在倫敦的Inspire歐洲會議上，三個月前，Alteryx公司收購了Yhat數(shù)據(jù)科學模型管理公司，并宣布Alteryx公司將推出AlteryxServer產(chǎn)品，用于部署、管理和集成機器學習模型，支持公司防火墻或公共云。

一個反復出現(xiàn)的問題到目前為止，操作機器學習模型的挑戰(zhàn)已經(jīng)開始被更好地理解。 從本質(zhì)上講，數(shù)據(jù)科學家有能力建立機器學習模型，并在某種程度上手動、定制的基礎(chǔ)上使用它們。 但是，將這些模型部署到生產(chǎn)中，并使主流開發(fā)人員能夠從中構(gòu)建智能應用程序是另一回事。 對于非開發(fā)人員來說，利用這些模型更是危險。

根據(jù)Alteryx的產(chǎn)品管理副總裁AshleyKramer的說法，Promotion將通過允許部署模型和在它們周圍生成RESTAPI來解決這一差距，所有這些都可以從AlteryxDesigner環(huán)境中調(diào)用。 克萊默通過電子郵件向我解釋說，“模型被部署到他們自己定制的Docker圖像中，使您能夠根據(jù)其依賴關(guān)系自定義每個模型。 然后，推廣可以根據(jù)企業(yè)的需要將每種模式向上或向下擴展。

雖然Alteryx已經(jīng)有能力根據(jù)基于R編程語言的模型構(gòu)建、訓練和評分，但推廣基于Python、Py Spark和TensorFlow以及R的支持模型。推廣將增加部署機器學習模型的能力，并為它們生成API，這些API可以從各種應用程序開發(fā)環(huán)境調(diào)用。

克萊默解釋說，AlteryxDesigner工作流還可以重新培訓模型，將最新數(shù)據(jù)結(jié)合起來，然后將它們重新部署到Promot，并補充說，“Promot在模型版本之間進行‘熱切換’，因此在部署期間不會停機。”