Algorithmia与GitHub集成概述

Algorithmia，一个为数据科学家和机器学习（ML）工程师设计的AI模型管理自动化平台，现已与GitHub集成。此次发布将机器学习计划整合到组织的DevOps生命周期中，用户能够访问集中式代码仓库功能，如可移植性、合规性和安全性。该集成遵循DevOps最佳实践，旨在缩短数据科学计划的价值实现时间。

Algorithmia公司历史

Algorithmia始于2017年，最初是一个AI算法市场，供数据科学家和ML工程师查找和分享预训练模型及实用功能。平台使用无服务器AI层进行机器和深度学习模型的规模化部署，并提供企业级服务，允许用户在自己的堆栈或Algorithmia管理的云上部署、迭代和扩展模型。

GitHub的作用

GitHub汇集了发现、分享和构建软件的社区，是软件开发者和数据科学团队的主要代码仓库。通过与GitHub集成，Algorithmia使数据科学部署过程能够遵循组织已有的软件开发生命周期（SDLC）。

集成功能

通过Algorithmia-GitHub集成，用户可以将代码存储在GitHub上，并直接部署到Algorithmia和Algorithmia Enterprise。这意味着从事ML应用的团队可以参与其组织的SDLC。例如，多个用户可以在集中式ML代码库上贡献和协作，通过拉取请求和问题跟踪等最佳实践确保代码质量。用户还可以利用GitHub的治理应用程序进行依赖管理，减少模型使用废弃功能包版本的风险。

Algorithmia CEO Diego Oppenheimer的见解

为什么团队越来越多地将机器学习纳入其应用？

随着企业积累大量数据，手动处理数据的能力迅速变得不可行。机器学习模型生成可操作输出的速度远超传统应用。健康的弹性机器学习生命周期需要很少的开销，这可以减少昂贵的人力成本。集中式ML仓库有助于跨公司对齐，确保即时、可重复、可扩展的服务功能，提升客户体验。

为什么人们想使用Algorithmia？

Algorithmia旨在通过AI和机器学习帮助每个组织实现其全部潜力。它专注于ML模型部署、服务和管理的生命周期元素。用户可以从所有主要框架、语言、平台和工具部署模型，而Algorithmia Enterprise提供定制的集中式模型仓库，使数据管理、ML部署、模型管理和运营团队能够同时工作，而不影响业务运营。

数据科学家和ML工程师是否经常嵌入产品团队？

是的，数据科学家和ML工程师经常嵌入产品团队，尽管团队配置仍处于早期阶段。最成功的ML团队是直接与产品或业务单元挂钩的团队，因为其影响更为直接。越来越多的数据科学和ML卓越中心将ML团队分配到产品中一段时间以开发能力。

是否会有GitLab集成？

Algorithmia的源代码管理系统为ML从业者提供了灵活性和选择。我们创建了一个灵活的架构，允许未来集成其他SCM。与GitHub的最新集成为许多存储在GitHub仓库中的模型直接进入生产环境打开了大门。Algorithmia将在未来的产品发布中推出其他集成。

目前最常见的ML模式是什么？

数据科学团队在所有行业中迅速增长，公司急于走在AI/ML曲线的前面。主要的业务用例是降低成本、生成客户洞察和改善客户体验的模型。大多数ML公司处于模型开发的第一年，只有9%的组织认为其ML计划是成熟的。一半的公司花费8到90天部署一个模型，对于拥有数十或数百个模型的公司来说，这会大大延迟投资回报率。ML开发中最大的挑战是模型扩展、模型版本控制和可重复性，以及在最终目标上达成组织一致性。

哪些行业在采用ML方面处于领先地位？

我们看到所有行业的ML都在增长，根据福布斯的数据，ML市场从2020年的73亿美元增长到2024年的306亿美元。然而，金融、制造和IT行业似乎以增加预算、明确的用例和部署模型引领潮流。

公司在未来12到24个月的愿景是什么？

Algorithmia专注于帮助组织利用ML和AI改善业务。AI是我们一生中最重要的技术进步，它将迅速成为几乎所有业务的核心部分，就像互联网自诞生以来所起的巨大变革作用一样。我们的组织专注于解决将这些能力交付给业务线应用程序的最后一英里问题，以可扩展和可管理的方式。我们将继续以技术进步的速度构建和交付灵活性，与数据科学、DevOps、产品和执行团队合作，缩短上市时间，使其ML投资创造竞争优势。

集成可用性

GitHub集成现已对Algorithmia.com的公共用户和现有的Algorithmia Enterprise客户开放。2020年企业机器学习状态报告可在此处获取。