Les AMP sont des projets complets basés sur le machine learning (ML) qui peuvent être déployés d’un clic à partir de la plateforme Cloudera. Chacun de ces AMP intègre les meilleures pratiques de l’IA afin de relever les défis complexes du machine learning. Leurs workflows assurent des transitions transparentes, quel que soit l’endroit où l’entreprise exécute les exemples ou déploie les données.

Avec sa collection d’AMP, Cloudera veut rendre l’IA plus accessible aux entreprises pour leur permettre d’en accélérer l’adoption, mais aussi d’optimiser la valeur de leurs propres données et des résultats générés par l’IA. Voici la liste des derniers AMP et mises à jour :

● Fine-Tuning Studio - Une application globale et un « écosystème » pour gérer, affiner et évaluer les LLM.
● RAG with Knowledge Graph - ou comment doper une application RAG (Retrieval Augmented Generation) à l’aide d’un graphe de connaissances pour capturer les relations et le contexte difficilement accessibles par les seules banques de données vectorielles.
● PromptBrew - Une assistance basée sur l’IA pour la création de prompts performants et fiables via une interface utilisateur simple.
● Document Analysis with Cohere CommandR and FAISS - ou comment une application RAG utilise CommandR comme LLM et FAISS comme banque de données vectorielles.
● Chat with Your Documents - S’appuyant sur un AMP antérieur (LLM Chatbot Augmented with Enterprise Data) cet accélérateur améliore les réponses du LLM en utilisant le contexte d’une base de connaissances interne créée à partir des documents chargés par l’utilisateur.

Les AMP de Cloudera sont entièrement open source et incluent des instructions de déploiement pour n’importe quel environnement, ce qui témoigne à nouveau de l’engagement de Cloudera envers la communauté open source.

« Presque toutes les entreprises expérimentent actuellement l’IA générative, mais cette technologie est encore si récente qu’il existe très peu de bonnes pratiques », souligne Steven Dickens, Chief Technology Advisor du Futurum Group. « C’est pourquoi, pour lancer de nouveaux projets d’IA, les data scientists et les ingénieurs s’appuient sur des exemples existants. Cette approche présente toutefois de nombreux inconvénients, et notamment des risques légaux et de sécurité. Les AMP lèvent cette ambiguïté en fournissant des solutions complètes, de bout en bout, qui apportent aux data scientists un MVP (Minimum Viable Product) prêt à l’emploi. L’efficacité et la capacité de ce MVP à générer rapidement de la valeur ayant été prouvées, il peut être utilisé pour les différents cas d’usage de l’IA. »