Ein Turbo für das Machine Learning
Übersicht der MLOps-Anbieter
Services und Lösungen für MLOps (Auswahl)
| Services und Lösungen für MLOps (Auswahl) | ||
| Anbieter | Lösung(en) | Details |
|
Akira.AI www.akira.ai |
Akira AI – MLOps Platform | MLOps-Plattform mit Lifecycle-Management, Monitoring, Governance-Funktionen, Implementierung in Containern; Zugang zu Konnektoren, Frameworks, Analyse-Tools und so weiter |
|
Amazon Web Services aws.amazon.com/de |
Amazon Sagemaker for MLOps; MLOps Workload Orchestrator | Sagemaker for MLOps mit MLOps-Tools, u. a. für automatisiertes Training und Monitoring von ML-Modellen, Collaboration und Bereitstellung von ML-Infrastruktur «as code»; Workload Orchstrator als Framework für Management von ML-Pipelines |
|
Cloudera de.cloudera.com |
Cloudera Data Plat-form; CDP ML | CDP Machine Learning für MLOps und ML-Workflows; Zugang zu unterschiedlichen Tools; Lifecycle-Management für Daten und ML-Modelle |
|
cnvrg.io cnvrg.io |
cnvrg.io Metacloud | Plattform für KI und Machine Learning; für Cloud-Umgebungen (AWS, Google, Microsoft) und On Premises; MLOps-Lösung in Verbindung mit ThinkSystem-Servern von Lenovo |
|
Databricks databricks.com |
MLFlow | Herstellerneutraler Ansatz ohne Bindung an einen Cloud-Service-Provider; Plattform für das Management des ML-Lebenszyklus |
| Dataiku www.dataiku.com/de | Dataiku-Plattform | Plattform für KI, ML, Datenaufbereitung, DataOps und MLOps; Nutzung On-Premises oder in Cloud-Umgebungen von AWS, Google und Microsoft; Erstellen von ML-Modellen mit AutoML |
|
DataRobot www.datarobot.com |
DataRobot AI Cloud Platform | Cloud-Plattform für KI- und ML-Entwicklung, inklusive MLOps-Funktionen und Data Engineering |
|
Domino Data Lab www.dominodatalab.com |
Domino Enterprise MLOps Platform | MLOps-Plattform für Unternehmen; Zugang zu diversen Data-Science-Tools und Infrastrukturkomponenten nach dem Self-Service-Prinzip |
|
Google cloud.google.com |
Google Cloud AI Platform; Google Kubeflow | Google-Cloud-Plattform als Basis für Einrichten von MLOps, etwa mit Kubeflow Pipelines, MLFlow von Databricks, TensorFlow Extended, Google Kubernetes Engine |
|
H20 MLOps h2o.ai/r |
H20 AI Cloud | Cloud-Plattform für Management, Implementierung, Governance und Monitoring von ML-Modellen |
|
HPE www.hpe.com/ch |
HPE Ezmeral MLOps | Vorkonfiguriert auf Basis der HPE-Ezmeral-Plattform; On-Premises oder in Public Cloud (AWS, Google, Microsoft); unterstützt ML-Modelle in Containern; vorkonfektionierte Tools |
|
IBM www.ibm.com/ch-de |
IBM Cloud Pak for Data | Cloudbasierte Daten- und KI-Plattform; mit Governance- und Lifecycle-Management-Funktionen für ML-Modelle; Automatisierung mittels MLOps |
|
Iguazio www.iguazio.com |
Iguazio MLOps Platform | Plattform mit Online- und Offline-Feature-Store, automatisiertem Monitoring, Drift Detection, erneutes Training und Skalierung von Modellen; auch Bereitstellung als gemanagte Lösung |
|
Mendix www.mendix.com/de/ |
Mendix Platform; Mendix ML Kit | Integration von Machine-Learning-Modellen in Mendix-Anwendungen; Basis: Low-Code-Prinzipien |
|
Microsoft azure.microsoft.com/de-de |
Azure Machine Learning MLOps | Umfassende MLOps-Funktionen, Nachvollziehbarkeit, automatische Skalierung von Ressourcen, Governance, Erstellen von Workflows und Modellen; Lifecycle-Management |
|
Mphasis www.mphasis.com/de/ |
Pace ML Platform | MLOps-Plattform mit Deployment Pipelines, Monitoring-Funktionen, Modell-Management, Governance, Drift Detection; Echtzeit-Überwachung |
|
Neptune AI neptune.ai |
Neptune AI Meta Data Store | Metadaten-Store für ML-Modelle; Konsolidierung von Metadaten an einem Ort für Zugriff durch unterschiedliche Teams; Debugging und Vergleich von Daten und ML-Modellen |
|
Nvidia www.nvidia.com/de-de/ |
Nvidia DGX Ready Program; Triton Inference Server | Triton Inference Server als Open-Source-Software für Bereitstellung von KI-/ML-Modellen auf CPU-/GPU-Plattformen; DGX Ready Softwareprogramm mit zertifizierten MLOps-Lösungen für den Einsatz auf Nvidias DGX-Systemen |
|
Red Hat www.redhat.com/ |
Red Hat OpenShift | Integrierte MLOps-Funktionen in Red Hats Hybrid-Cloud-Plattform für Orchestrierung von Containern, darunter OpenShift Pipelines und OpenShift GitOps; Funktionen für Monitoring, Implementierung |
|
Seldon go.seldon.io |
Seldon Core Enterprise; Seldon Deploy | Core Enterprise als Framework für Paketierung, Implementierung, Monitoring und Verwaltung von ML-Modellen; Seldon Deploy als MLOps-Enterprise-Plattform für Implementierung von ML-Modellen auf Kubernetes; inklusive Governance- und Monitoring-Funktionen |
|
Valohai valohai.com |
Valohai MLOps Platform | MLOps-Plattform für Betrieb On Premises oder Cloud-Plattformen (AWS, Google, Microsoft Azure); Unterstützung von Kubernetes; Funktionen u. a. automatisierte ML-Learning-Pipelines, Implementierung und Monitoring von Modellen sowie Versionierung; Schwerpunkt auf einfacher Nutzung |
Services und Lösungen für MLOps (Auswahl)
| Services und Lösungen für MLOps (Auswahl) | ||
| Anbieter | Lösung(en) | Details |
|
Akira.AI www.akira.ai |
Akira AI – MLOps Platform | MLOps-Plattform mit Lifecycle-Management, Monitoring, Governance-Funktionen, Implementierung in Containern; Zugang zu Konnektoren, Frameworks, Analyse-Tools und so weiter |
|
Amazon Web Services aws.amazon.com/de |
Amazon Sagemaker for MLOps; MLOps Workload Orchestrator | Sagemaker for MLOps mit MLOps-Tools, u. a. für automatisiertes Training und Monitoring von ML-Modellen, Collaboration und Bereitstellung von ML-Infrastruktur «as code»; Workload Orchstrator als Framework für Management von ML-Pipelines |
|
Cloudera de.cloudera.com |
Cloudera Data Plat-form; CDP ML | CDP Machine Learning für MLOps und ML-Workflows; Zugang zu unterschiedlichen Tools; Lifecycle-Management für Daten und ML-Modelle |
|
cnvrg.io cnvrg.io |
cnvrg.io Metacloud | Plattform für KI und Machine Learning; für Cloud-Umgebungen (AWS, Google, Microsoft) und On Premises; MLOps-Lösung in Verbindung mit ThinkSystem-Servern von Lenovo |
|
Databricks databricks.com |
MLFlow | Herstellerneutraler Ansatz ohne Bindung an einen Cloud-Service-Provider; Plattform für das Management des ML-Lebenszyklus |
| Dataiku www.dataiku.com/de | Dataiku-Plattform | Plattform für KI, ML, Datenaufbereitung, DataOps und MLOps; Nutzung On-Premises oder in Cloud-Umgebungen von AWS, Google und Microsoft; Erstellen von ML-Modellen mit AutoML |
|
DataRobot www.datarobot.com |
DataRobot AI Cloud Platform | Cloud-Plattform für KI- und ML-Entwicklung, inklusive MLOps-Funktionen und Data Engineering |
|
Domino Data Lab www.dominodatalab.com |
Domino Enterprise MLOps Platform | MLOps-Plattform für Unternehmen; Zugang zu diversen Data-Science-Tools und Infrastrukturkomponenten nach dem Self-Service-Prinzip |
|
Google cloud.google.com |
Google Cloud AI Platform; Google Kubeflow | Google-Cloud-Plattform als Basis für Einrichten von MLOps, etwa mit Kubeflow Pipelines, MLFlow von Databricks, TensorFlow Extended, Google Kubernetes Engine |
|
H20 MLOps h2o.ai/r |
H20 AI Cloud | Cloud-Plattform für Management, Implementierung, Governance und Monitoring von ML-Modellen |
|
HPE www.hpe.com/ch |
HPE Ezmeral MLOps | Vorkonfiguriert auf Basis der HPE-Ezmeral-Plattform; On-Premises oder in Public Cloud (AWS, Google, Microsoft); unterstützt ML-Modelle in Containern; vorkonfektionierte Tools |
|
IBM www.ibm.com/ch-de |
IBM Cloud Pak for Data | Cloudbasierte Daten- und KI-Plattform; mit Governance- und Lifecycle-Management-Funktionen für ML-Modelle; Automatisierung mittels MLOps |
|
Iguazio www.iguazio.com |
Iguazio MLOps Platform | Plattform mit Online- und Offline-Feature-Store, automatisiertem Monitoring, Drift Detection, erneutes Training und Skalierung von Modellen; auch Bereitstellung als gemanagte Lösung |
|
Mendix www.mendix.com/de/ |
Mendix Platform; Mendix ML Kit | Integration von Machine-Learning-Modellen in Mendix-Anwendungen; Basis: Low-Code-Prinzipien |
|
Microsoft azure.microsoft.com/de-de |
Azure Machine Learning MLOps | Umfassende MLOps-Funktionen, Nachvollziehbarkeit, automatische Skalierung von Ressourcen, Governance, Erstellen von Workflows und Modellen; Lifecycle-Management |
|
Mphasis www.mphasis.com/de/ |
Pace ML Platform | MLOps-Plattform mit Deployment Pipelines, Monitoring-Funktionen, Modell-Management, Governance, Drift Detection; Echtzeit-Überwachung |
|
Neptune AI neptune.ai |
Neptune AI Meta Data Store | Metadaten-Store für ML-Modelle; Konsolidierung von Metadaten an einem Ort für Zugriff durch unterschiedliche Teams; Debugging und Vergleich von Daten und ML-Modellen |
|
Nvidia www.nvidia.com/de-de/ |
Nvidia DGX Ready Program; Triton Inference Server | Triton Inference Server als Open-Source-Software für Bereitstellung von KI-/ML-Modellen auf CPU-/GPU-Plattformen; DGX Ready Softwareprogramm mit zertifizierten MLOps-Lösungen für den Einsatz auf Nvidias DGX-Systemen |
|
Red Hat www.redhat.com/ |
Red Hat OpenShift | Integrierte MLOps-Funktionen in Red Hats Hybrid-Cloud-Plattform für Orchestrierung von Containern, darunter OpenShift Pipelines und OpenShift GitOps; Funktionen für Monitoring, Implementierung |
|
Seldon go.seldon.io |
Seldon Core Enterprise; Seldon Deploy | Core Enterprise als Framework für Paketierung, Implementierung, Monitoring und Verwaltung von ML-Modellen; Seldon Deploy als MLOps-Enterprise-Plattform für Implementierung von ML-Modellen auf Kubernetes; inklusive Governance- und Monitoring-Funktionen |
|
Valohai valohai.com |
Valohai MLOps Platform | MLOps-Plattform für Betrieb On Premises oder Cloud-Plattformen (AWS, Google, Microsoft Azure); Unterstützung von Kubernetes; Funktionen u. a. automatisierte ML-Learning-Pipelines, Implementierung und Monitoring von Modellen sowie Versionierung; Schwerpunkt auf einfacher Nutzung |
Services und Lösungen für MLOps (Auswahl)
(Quelle: com! professional 9–10/2022 )
