详细内容或原文请订阅后点击阅览
Crexi 如何在 AWS 上大规模部署 ML 模型并提高效率
Commercial Real Estate Exchange, Inc. (Crexi) 是一个数字市场和平台，旨在简化商业房地产交易。在这篇文章中，我们将回顾 Crexi 如何实现其业务需求，并开发一个多功能且强大的框架来创建和部署 AI/ML 管道。这种可定制且可扩展的解决方案允许高效部署和管理其 ML 模型，以满足不同的项目要求。
来源:亚马逊云科技 _机器学习本篇文章由 Crexi 的 Isaac Smothers 和 James Healy-Mirkovich 共同撰写。
本篇文章由 Crexi 的 Isaac Smothers 和 James Healy-Mirkovich 共同撰写。鉴于当前对人工智能和机器学习 (AI/ML) 解决方案的需求，训练和部署模型以及扩展推理的过程对于业务成功至关重要。尽管人工智能/机器学习，尤其是生成式人工智能进展迅速，但机器学习操作 (MLOps) 工具也在不断发展以跟上步伐。客户正在寻找成功案例，了解如何最好地采用文化和新的运营解决方案来支持他们的数据科学家。解决方案应该灵活采用，允许与其他系统无缝集成，并提供使用 AWS 服务和第三方工具自动化 MLOps 的途径，正如我们将在本篇文章中与 Pulumi 和 Datadog 一起探索的那样。该框架不仅有助于在 DevOps 领域实现卓越运营，还允许利益相关者优化工具，例如基础设施即代码 (IaC) 自动化和 DevOps 研究与评估 (DORA) 管道的 MLOps 可观察性。
商业房地产交易所有限公司 (Crexi) 是一个数字市场和平台，旨在简化商业房地产交易。 它允许经纪人在一个平台上管理从上市到成交的整个过程，包括数字意向书、最佳和最终报价谈判以及交易管理工具。 其数据和研究功能使投资者和其他商业房地产利益相关者能够在交易过程之前进行尽职调查并主动与其他专业人士联系。
商业房地产交易所有限公司在本文中，我们将回顾 Crexi 如何实现其业务需求并开发一个多功能且强大的 AI/ML 管道创建和部署框架。 这种可定制和可扩展的解决方案允许其 ML 模型得到有效部署和管理，以满足不同的项目需求。
Datadog Pulumi 的解决方案概述
向上