JFrog, MLOps ve DevOps Entegrasyonunu Güçlendirmek İçin Qwak’ı Satın Aldı

Silikon Vadisi merkezli yazılım tedarik zinciri firması, teklif edilen New York merkezli Qwak satın alımının, JFrog’un DevSecOps platformunu kapsamlı makine öğrenimi yetenekleriyle güçlendireceğini söyledi. CTO Yoav Landman, JFrog ve Qwak’ın bir araya getirilmesinin kuruluşlara geliştirmeden üretime kadar kesintisiz bir boru hattı sunacağını ve modellerin diğer yazılım varlıklarıyla birlikte doğru bir şekilde konuşlandırılmasını ve yönetilmesini sağlayacağını söyledi.

Landman, Information Security Media Group’a “Makine öğrenimi geliştirmeyle ilgili en büyük sorun, modeli üretime nasıl aktaracağınızdır” dedi. “İlk aşamayı tamamlamak, yani modeli geliştirmek, doğru olduğundan ve iyi tahminler yaptığından emin olmak gerçekten çok kolay. Ancak daha sonra bunun uygulamanın geri kalanıyla entegre olabilmesi için DevOps’un işbirliğine ihtiyacınız var.”

2020 yılında kurulan Qwak, Mart 2023’te Bessemer Venture Partners’tan 12 milyon dolar finansman aldı ve LinkedIn’e göre bir yıl önce 54 çalışandan %65 artışla 86 kişiye istihdam sağlıyor. Şirket, kuruluşundan bu yana, daha önce Payoneer’de altı buçuk yıl geçirmiş olan ve veri bilimi, makine öğrenimi mühendisliği, veri mühendisliği ve analitiğine öncülük ettiği bir rolle sonuçlanan Alon Lev tarafından yönetilmektedir (bkz.: Sonatype, Snyk, Synopsys En İyi Yazılım Kompozisyon Analizi Forrester Wave).

Qwak’ın Ortaya Ne Getirdiği

Landman, Qwak’ı 230 milyon dolara satın almanın JFrog’un DevOps ekosistemine gelişmiş model versiyonlama, bağımlılık yönetimi ve güvenlik tarama özellikleri getireceğini söyledi. Qwak teknolojisinin eklenmesi, modelleri kötü amaçlı faaliyetlere karşı tarayarak, lisans sorunlarını yöneterek ve yazılım ile model yaşam döngüsünü tüm yönleriyle yöneten birleşik bir platform sağlayarak JFrog’un güvenliği ve uyumluluğu korumasına yardımcı olacaktır.

Landman, “Modeli eğitmek ve tahminlerinizi analiz etmek için kullandığınız veriler, bir uygulamanın girdileri gibidir” dedi. “Değişirse uygulamanın çıktısı da değişir ve uygulamanızın kalitesi de değişir. Dolayısıyla onu sürümlendirmeniz gerekir. Onu yalnızca o kaynaktan tükettiğinizden emin olmanız gerekir.”

Birleşik platform aynı zamanda büyük dil modellerinin ve üretken yapay zekanın geliştirilmesine de odaklanacak ve Landman, bunun bu alandaki artan talebi ve karmaşıklığı yansıttığını söyledi. Landman, JFrog’un makine öğrenimi varlıkları üzerinde uçtan uca görünürlük ve kontrol sağlayarak, modern yazılım geliştirmeye daha entegre ve güvenli bir yaklaşımı kolaylaştırmayı hedeflediğini söyledi.

Qwak, makine öğrenimi modellerinin üretime dağıtılması için bir hat sağlarken, JFrog’un platformu ilgili tüm varlıkları yöneterek uçtan uca görünürlük ve kontrol sağlar. JFrog’un platformu, makine öğrenimi modellerinin geliştirme aşamasından çalışma zamanına kadar olan yaşam döngüsüne ilişkin görünürlük sunuyor ve JFrog, bunun üretimdeki modellerin güvenliğini ve performansını yönetmek için çok önemli olduğunu söyledi.

Landman, “Modeli alıp üretime geçirmek için çok güçlü ama çok basit bir yönteme sahipler” dedi ve “tüm varlıkları yönetmek için platform sağlıyoruz.”

Makine Öğrenimi Modellerinin Güvenliği Nasıl Sağlanır?

Qwak’ı DevOps uygulamalarıyla entegre etmek, makine öğrenimi modelleri ile uygulama geliştirme arasında daha iyi bir işbirliğine olanak tanıyacak ve modellerin üretim ortamlarında daha kolay devreye alınmasını ve yönetilmesini kolaylaştıracak. JFrog ayrıca Amazon SageMaker, MLflow ve Databricks gibi diğer önde gelen makine öğrenimi araçlarıyla da entegre olarak çeşitli makine öğrenimi ortamlarında çok yönlülüğünü ve kullanışlılığını artırır.

Landman, hem JFrog hem de Qwak’ın tüm bağımlılıkları versiyonlamaya ve yönetmeye önem verdiğini, model dağıtımında tekrarlanabilirlik ve tutarlılık sağladığını söyledi. Üretken yapay zekanın yükselişi, makine öğrenimi modellerinin hem geliştirilmesini hem de konuşlandırılmasını önemli ölçüde etkiledi ve Landman, Qwak platformunun üretken yapay zekanın getirdiği karmaşıklıkları başarılı bir şekilde ele aldığını söyledi.

Landman, “JFrog’un sağladığı değerin bir kısmı, geliştirmekte olduğunuz modelin tekrarlanabilir olduğundan emin olabilmektir” dedi ve “Qwak, ‘paket olarak model’ olarak adlandırdıkları aynı düşünceye sahip.”

Landman, Qwak’ın daha küçük bir şirket olmasına rağmen müşteri tabanının, Fortune 10’un %95’ini ve Fortune 100’ün %70’ini içeren JFrog’un müşteri tabanıyla önemli ölçüde örtüştüğünü söyledi. Anlaşma sona erdiğinde JFrog müşterileri, Qwak’ın modelleri tarama yeteneğinden yararlanacak ve Veri kümelerini kötü niyetli faaliyetlere karşı korur, lisanslama ve veri kullanım politikalarına uygunluğu sağlar ve üretken yapay zeka gelişimi için yeni özellikler içerir.

Landman, özellikle Qwak’ın Özellik Mağazası hizmetinin, model eğitiminde ve tahminlerde kullanılan verilerin toplanmasına ve analizine olanak sağladığını, yalnızca güvenilir veri kaynaklarının kullanılmasını sağladığını ve modellerin genel kalitesini ve güvenliğini artırdığını söyledi. Olgun makine öğrenimi uygulamalarına yönelik güçlü müşteri talebi olduğunu ve Qwak’ın makine öğrenimi modellerinin geliştirilmesini, devreye alınmasını ve yönetimini basitleştireceğini söyledi.

Landman, “Platformun birbirine entegre olmasının çok doğal bir yolu, MLOps ile DevOps arasında bu harika görünürlüğü ve yönetimi sağlayabilmektir” dedi. “Bunu platformların evliliği olarak görüyoruz.”