案例研究

康斯坦丁产业

消失时间写东西到谷歌文档 并努力记住运行执行内普图内拥有一切使我们能够专注于结果和更好的算法
Andreas Malekos
康斯坦丁工业人工智能主管
前头
    拼命维护日益复杂内部解决方案
后传
    外箱解决方案让团队关注主产品

康斯坦丁产业基础设施行业公司想自动化优化线性基础设施资产设计,如水管、高压传输线、海底电线或电信电缆

核心产品Optioneer允许客户输入工程设计假设和地理空间数据菲律宾凯时国际官网开户进化优化算法 寻找可能的解决方案 连接点A到B

首席科学家Andreas Malekos为OpteerAI驱动引擎工作解释:

atar懒惰加载
引用
建电线之类大项目,所以你必须在启动前即刻设计越合情理设计 越能做决定选择器能以传统设计方法成本的微小分数在分钟内获取设计资产
Andreas Malekos 康斯坦丁工业人工智能主管

创建并操作Opteer引擎比看起来挑战性更大

  • 目标函数不代表现实
  • 有很多假设 土木工程师不预知
  • 不同的客户向它提供完全不同的问题,算法需要强健处理

与其构建完美解决方案,不如向它们提供趣味设计选项列表,以便它们能做出知情决策。

引擎团队利用各种技巧从机械工程、电气工程、计算物理、应用数学和软件工程拉平

问题

构建成功软件产品的一个副作用是人们依赖它工作当人们依赖以百万元基础设施设计决策优化引擎时,你需要建立强健质量保证机制

菲律宾凯时国际官网开户Andreas指出,他们必须能够表示返回用户的解决方案有:

  • 意指它的结果 土木工程师可以看并接受
  • 正对表示所有计算并返回终端用户的不同工程量都尽可能准确

除此以外,团队持续改善优化引擎但要做到这一点,你必须确保修改

  • 切勿以某种方式破解算法
  • 不仅改善一个基础设施问题的结果,而且全面提高结果

基本地说,你需要搭建适当验证问题性质由团队努力解决 带来了更多挑战

  • 无法自动判断算法输出正确性或不正确性不像ML中贴有标签数据计算精度或回调评价集
  • 需要一组示例问题具有代表性问题类型算法 将请求解决生产此外,这些问题需要改写,使重复性尽可能容易实现。
atar懒惰加载
引用
如何以无缝自动化方式处理所有以上问题,
Andreas Malekos 康斯坦丁工业人工智能主管

初始团队开发出相对简单完全定制式解决方案问题解析

  • 数据库基础问题
  • 算法将围绕这些问题运行,质量度量记录并写入数据库
  • 开发者然后可以对算法作一些修改,运行代码对准“基线问题”,并比较数据库生成的度量
  • 创建一些可视化工具,通过下载运行所有度量

证明系统异常混乱原因如下:

  • 数据库存储量子转换算法后立即过期,这意味着他们必须经常运行更新作业
  • 更新作业测试不正确 经常破解这就意味着开发者每次尝试更新基准度量时,都不得不修复系统本身这会变成一个乏味和痛苦过程
  • 系统相当复杂, 转成“产品内产品”, 当产品破解时他们没有时间维护或修复
atar懒惰加载
引用
这会变成一个乏味和痛苦过程系统相当复杂, 将它转换成“产品内产品”, 当它破解时我们没有时间维护或修复
Andreas Malekos 康斯坦丁工业人工智能主管

Andreas表示,他们花点时间才意识到,即使产品中不使用ML,他们也面临着ML生产中面临的许多挑战。菲律宾凯时国际官网开户那时他们决定适当调查MLOPS解决方案 并研究哪些最合适使用

求解

Andreas解释道, 经验自创相似解决方案, 他们知道:

  • 需要工具易跟踪可视化不同类型数据
  • 他们能轨迹局部运行和云运行以同样方式
  • 民心不需要自托管或维护解决之道
atar懒惰加载
引用
我们仍然小小队(10des或10dsss),所以我们宁可避免管理这个系统本身, 所以我们可以集中精力开发产品并改进AI和前系统有关 时间槽大
Andreas Malekos 康斯坦丁工业人工智能主管

阅读多博客比较不同实验跟踪器后, 并花大部分评价时间浏览工具文档后,

选择引擎团队选择海王星

  • 一号启动很容易
  • 2比较、监控和调试效果很好
  • 3元数据结构完全灵活
  • 4他们爱支持
  • 5很容易从任何地方访问海王星,包括CI/CD管道
  • 从0到Hello世界快速Neptune调用到现有的量子博学类上需要一周左右,但这主要是因为代码库的复杂性举例说,它们有故障多维NumPy数组,最终通过上传文件解决

    Andreas解释道:

    海王星概念简单化: 不同于某些竞争者,它只是一个元数据存储器, 不试图解决百万个不同的问题, 很容易添加到我们现有的代码中

  • 海王星归并代码库后 更容易跟踪实验运行 比较不同度量跨运行 并监控调试生成

    对比同一图运行能力是杀手特征,并能够监控生产运行是一个意外的胜算,证明是不可估量的 Andreas Malekos,康斯坦丁工业人工智能主管

    Andreas告诉我们,他们记录质量度量(目标值、约束违反)、设计变量最终值和所有输入参数运算

    跟踪所有帮助他们易调试制作故障

    • if优化崩溃记录输入参数和代码版本很容易复制错误并找出事物崩溃的原因
    • if结果看起来很糟糕记录目标约束变量和最终设计变量允许团队重创本地最终结果并找出算法为什么认为这是一个好结果 和为什么它被偏爱
  • 海王星运行时数据结构之大粉丝基本设计文件结构能不费力地给予我们巨大的弹性性。 ”-Andreas Malekos,Continuum产业人工智能主管

    很容易使用海王星

    • 研究算法改进时,可记录自定义结构结果并易于比较
    • 监控记录制作方式方便调试
    • 使用海王星管道中的一部分 建立多批量作业 都写数据到同个海王星运行

    以引擎测试为例 多作业写单运行结构

    • 度量器上层文件夹存储所有度量
      • {TEST_CASE_NAME}
        • {INDEX}:每个案例都多次使用不同的种子运行
          • {STAGE_NAME}:优化期间分多级
            • 公尺0
            • 公尺1
            • 公制2
  • 刚开始使用新海王星API时有一些问题 自那以来我们从团队得到了惊人支持与海王星团队对话,如果你遇到问题,因为这些问题极有帮助的话.-Andreas Malekos,Continuum产业人工智能主管

    Andreas和我们分享,你收养Neptune(或任何工具)时,沿途可能有一些碰撞海王星的独特之处在于 你可以真正依赖团队 帮助你渡过难关 分享反馈改善思想成为行程的一部分

    Optier引擎团队必须本地和云环境使用Neptune和日志元脱机作业或安装调试各种连接模式

    海王星也需要和他们的CI/CD管道很好地打

    请求启动i/CD管道每一步评价新版算法 并单列过程

    组织每条CI/CD管道执行所有结果都是一种恶梦,但多亏Neptune定制ID功能,我们可以记录所有评价并保持清净性。

结果

团队分享海王星提高全工作流

atar懒惰加载
引用
利用海王星实验后,我们从中获益良多,当我们连接到生产时,我们从中获取更多价值
Andreas Malekos 康斯坦丁工业人工智能主管

Andreas解释说,当工作优化引擎改进时,从测试问题开始运行修改版算法内普图内跟踪所有参数和结果.允许团队快速回想一下他们一直尝试到现在并规划下一步相对容易

atar懒惰加载
引用
消失时间写东西到谷歌文档 并努力记住运行执行内普图内拥有一切使我们能够专注于结果和更好的算法
Andreas Malekos 康斯坦丁工业人工智能主管

并置MLops编程核心, 通过GitHub操作执行保证模型质量和适当的CI/CD作业

  • AWSe2部署云实例
  • 在每个实例中克隆存储器并安装需求
  • 运行多项测试问题
  • 运行测试问题实例都收集量度并写到同海王星运行
  • 计算所有测试综合度量
  • 将这些汇总度量比前点时间并判定算法质量是否提高统计意义
持续内存算法测试管道
康斯坦丁工业MLOPS管道

海王星Optier团队可以

  • 易易跟踪并分享结果实验中
  • 监控制作运行、跟踪并复制错误出事比前快
  • 更多信任结果编译新版本Opteer引擎
  • 理解他们的算法性能与引擎有关的所有元数据通过Neptune每周质量保证CI/CD管道记录

海王星前 获取所有功能 需要量级更多时间

更信任算法 更多时间研究核心特征 而不是烦琐人工更新

atar懒惰加载
引用
推荐海王星到AI行业中 任何ML团队工具大全 公司后台更好
Andreas Malekos 康斯坦丁工业人工智能主管

全队支持Opteer引擎(Andreas Malekos、Miles Gould、Daniel Toth、Ivan Chan)帮助创建案例研究

阿凡达
引用
利用海王星实验后,我们从中获益良多,当我们连接到生产时,我们从中获取更多价值
Andreas Malekos 康斯坦丁工业人工智能主管

想要你的团队不花时间执行人工任务并专注什么重要

Baidu
map