Технологии и средства разработки систем ИИ
-
DataMall 2.0: распределенная инструментальная платформа разработки и сопровождения цифровых объектов искусственного интеллекта на основе больших данных
Предназначена для поддержки жизненного цикла разработки и эксплуатации систем ИИ на основе больших данных и тяжелых моделей распределенными командами разработчиков. Обеспечивает управление высокопроизводительными вычислительными ресурсами и хранилищами данных, поддерживает процессы прототипирования и отладки моделей ИИ на основе готовых компонентов, упрощает разработку кастомных моделей и сервисов, позволяет объективно оценивать прогресс и содержание выполняемых работ квалифицированному заказчику.
Конкурентные преимущества:
- Автоматизация использования суперкомпьютерных ресурсов и хранилищ больших данных для обучения моделей ИИ
- Прозрачное управление распределенным процессом разработки и эксплуатации систем ИИ
- Унификация по техноло гическим средствам разработки: Python, Jupiter Notebook
Эффекты от внедрения:
- Ускорение разработки систем ИИ до 30%
- Оптимизация вычислительных ресурсов до 20%
УГТ-9
Система используется для решения реальных задач конечных потребителей
Инициаторы
Руководитель разработки:
к.т.н. Денис Насонов
dnasonov@itmo.ru -
Smile.Cloud: платформа для быстрого прототипирования, разработки и обучения моделей на данных
Предназначена для быстрой разработки и обучения моделей ИИ отраслевыми (предметными) специалистами, не имеющими навыков программирования и работы с базами данных. Обеспечивает подготовку и первичный анализ датасетов, автоматизацию конструирования моделей ИИ в рамках подходов Low/No-Code, возможность создания сложных композитных моделей ИИ из различных компонентов, использования синтетических данных.
Конкурентные преимущества:
- Визуальное конструирование модели ИИ на основе графа задач и данных
- Автоматическое построение графа композитного приложения с помощью AutoML
- Использование технологии докеров для расчетов композитного приложения на удаленных вычислительных ресурсах
- Портирование построенной модели в программный код на Python
Эффекты от внедрения:
- Ускорение разработки систем ИИ в 5-14 раз
- Ускорение обучения использованию ИИ в 2-4 раза
УГТ-9
Система используется для решения реальных задач конечных потребителей
Инициатор
Руководитель разработки:
к.т.н. Сергей Иванов
svivanov@itmo.ru -
Цифровой полигон оценки качества систем ИИ
Предназначен для экспериментальной оценки качества разработанных систем ИИ по набору метрик в ходе сертификационных испытаний. Обеспечивает объективную оценку и контроль качества (точности), а также границ применимости создаваемых систем ИИ, создание объясняющих процедур к существующим системам ИИ, испытания систем ИИ в экстремальных условиях эксплуатации, а также оценку потенциала развития систем ИИ, определение ресурсной стоимости дальнейших улучшений.
Конкурентные преимущества:
- Построение эталонного SOTA-решения с помощью AutoML
- Имитация различных условий эксплуатации модели на синтетических данных
- Объективное сравнение нескольких версий одной системы или нескольких систем ИИ на разных принципах
Эффекты от внедрения:
- Увеличение полноты тестов сертификационных испытаний не менее, чем в 6 раз
- Снижение трудозатрат на организацию испытаний не менее, чем в 4 раза
УГТ-9
Система проверена на работоспособность в своей конечной форме и в ожидаемых условиях эксплуатации
Инициатор
Руководитель разработки:
к.т.н. Иван Ходненко
ivan.khodnenko@itmo.ru
