AI/MLがビジネスを支える
データはビジネス資産として重要性が増しています。膨大な量のデータを管理し活用し、各企業が抱える様々な問題を解決したり、新たなビジネスオポチュニティを生み出すために、ネットアップはデータ管理の製品・技術を生かしたAI/MLソリューションを提供し、お客様のビジネス成果の創出を支援します。
AI/MLの活用事例
- 製造業予測に基づくメンテナンス、状態監視、部品在庫の最適化
- 自動車:品質検査、外観検査、空力解析、生産計画、故障診断
- 創薬:タンパク質構造予測、効果予測、分子設計、リード化合物特定
- 医療・介護:画像診断補助、行動モニタリング/見守り、ケアプラン作成
- Webサービス/ゲーム:コンテンツ生成、テスト自動化、バランス調整
- 保険業界:商品パーソナライズ、料率設定、画像による損害評価
- 金融サービス:株価予測、リスク分析、カード不正利用検知
- 不動産:価格査定、マッチング、温度検知と空調制御、AIカメラ
- 旅行や観光:リコメンド、混雑/閑散時予測、ダイナミックプライシング
- 小売:需要予測、無人レジ、おすすめ、アップセル
AI/ML,データ分析での課題、ネットアップの提供価値(概要まとめ)
AI/ML | データ分析/データレイク | |
課題 | AIモデル開発の高速化/効率化 – AI開発の高速化(処理性能,データパイプライン改善) – コスト改善 ($/パフォーマンス) – MLOps/自動化 – 説明可能なAI/トレーサビリティ – クラウド/オンプレミス使い分け | モダンデータレイク化の推進 – 多様化に伴う運用管理性悪化 – スケーラビリティ – 複数の分析ツールとのデータ連携 – Hadoop/レガシーアーキテクチャからの移行 – SaaSとのデータ連携 |
提供 価値 | – 使い易いAI開発基盤を迅速導入 – MLOpsツール連携による開発サイクル加速 – データバージョニング – データ連携の効率化(ハイブリッド/マルチ クラウド) – $/パフォーマンス | – ストレージ集約による管理性向上 – コンピュート/ストレージ分離 – 分析サイクルの促進(柔軟なデータ利用) – TCO削減 – リスク回避(データ損失,サイバーセキュリティ) |
NetApp ブログ AIビジネスにおけるNetAppソリューションと導入事例
NetAppのAI/MLポートフォリオ
AI/MLのプロジェクトを推進する上で、以下のような課題を感じられているお客様については、ストレージのアプローチでの解決策についても、検討をおすすめします。
- データの増加に合わせてスケールでき、高速堅牢な基盤にデータを蓄積したい(AFF、 ONTAP AI)
- 社内外のデータを効率的に収集・管理したい(エッジ・コア・クラウド)
- オンプレの計算資源だけで無く、必要に応じてクラウドの計算資源を活用したい(SnapMirror)
- オンプレでもクラウドと同様のオブジェクトストレージを用いたパイプラインを構築したい(ONTAP S3)
- データの損失や事業継続に備えたい(サイバーレジリエンス)
- マルチテナントでも公平性を担保した上で利用したい(ストレージQoS)
NetAppのテクノロジーと製品は、エッジ、コア、クラウドのボトルネックを取り除き効率的なデータ収集、ワークロード高速化、クラウド結合を実現します。
AI/MLを活用するにあたり、各部門はビジネスと技術の両方を考えなければいけません。NetAppのプロフェッショナルサービスは、お客様がモデル生成やビジネスへの適用に集中しいち早く効果を出せるよう、AI/ML基盤における技術面とビジネスへの適用の二つの観点で支援します。
AI/ML活用ステージとNetAppのソリューション例
AI/ML ステージ | NetApp製品・テクノロジ、プログラム、プロフェッショナルサービス |
始める | AI/MLオンボードワークショップ(無償:お客様向け個別開催) – AIラボをつかったハンズオン・デモと、AI/ML活用に向けた計画を検討 – 評価・検証機貸出プログラム |
効果を出す | 学習データ管理(Snapshot)、クラウド活用(階層化、SnapMirror)、オブジェクトストレージ(ONTAP S3, StorageGRID) – PoC/PoV支援 – AI基盤活用ワークショプ – データパイプライン最適化ワークショップ |
効率化する | ストレージ効率化機能(Dedup, Compression, Compaction)、 – マルチテナントでの効率/公平な利用(ストレージQoS) – パフォーマンス評価・最適化ワークショップ – コスト最適化ワークショップ |
AI/MLを学ぶ
AI/MLにより効果を出すためには、実践の繰り返しが大切です。ネットアップは、お客様やパートナー様が、ネットアップのAI/MLソリューションを試していただくことが大切だと考えており、そのためのコンテンツを様々提供しています。
クラウドAI
- Amazon SageMakerとAmazon FSx for NetApp ONTAPで実現する機械学習基盤 第1回 第2回 第3回 第4回
- Amazon SageMakerとAmazon FSx for NetApp ONTAPで実現する機械学習基盤 Python編
- Azure Machine Learning(Azure ML)とAzure NetApp Files (ANF) で実現する機械学習基盤 環境構築編
- 【NetApp CVO + Amazon SageMaker】NFS/S3でボリュームに同時アクセスできるData Dualityを試してみる【機械学習】
オンプレミス環境AI
- AIビジネスにおけるNetAppソリューションと導入事例
- NVIDIA DeepOpsでk8sベースなオンプレ機械学習基盤をデプロイした
- 【NetApp DataOps Toolkit】 JupyterLabからデータセットのスナップショットを取得する+α
クラウドHPC
一緒にやってみる – NetApp AIラボ
これからAI/MLを活用してビジネス成果を出そうとしている事業部門も、AI/ML基盤を提供しようとするIT部門も、事前にAI/MLの基盤を試用してイメージをもちたいと考えるのではないでしょうか。
AI/ML基盤を活用しビジネス効果を目指すお客様向けに、NetAppは AIラボを活用した検討の支援を行っております。
【ネットアップ AIラボの活用例】
オンプレミス環境 NetApp AI Control Planeの活用検証
- Notebookサーバの払い出しから、NetApp DataOps Toolkitを使ったデータセットのスナップショット取得
- Kubeflow Pipeline + NetApp DataOps Toolkitを組み合わせたMLOps検証
- トレーニング済みモデルのサービング
クラウド環境(AWS)
- Parallel Cluster + FSx NetApp ONTAPの動作検証 (関連Qiita記事:第1回, 第2回, 第3回)
- SageMaker + FSx NetApp ONTAPの動作検証 (関連Qiita記事:第1回, 第2回, 第3回, 第4回, Python編)
- Data Duality (NFS/S3)の動作検証 (関連Qiita記事)
ハイブリッドクラウド (オンプレミス+AWS)
- オンプレミスONTAPに配置したデータをAWS上のParallel ClusterやSageMakerで解析する
- クラウド上で生成された解析結果データやトレーニング済みAIモデルなどをオンプレ環境に戻す