RapidMiner เปิดตัวเวอร์ชันใหม่ล่าสุด 9.7 พร้อมแปลงโฉม RapidMiner Server เป็น “RapidMiner AI Hub” ตามความต้องการด้านข้อมูลที่เปลี่ยนไปในปัจจุบัน
เดิม RapidMiner Server นั้นถูกพัฒนาขึ้นเพื่อเติมเต็มการให้บริการสำหรับองค์กรที่ต้องการใช้กำลังการประมวลผลข้อมูลมากกว่าการใช้งาน RapidMiner Studio โดยทั่วไป และเมื่อเทคโนโลยีเปลี่ยนไปและความนิยมในระบบคลาวด์มีมากขึ้น RapidMiner Server ก็ได้เปลี่ยนแปลงตัวเองตามความต้องการของธุรกิจอย่างต่อเนื่อง
อย่างไรก็ตาม ในปัจจุบันนั้นเราได้เดินทางมาถึงยุคที่ธุรกิจมีความต้องการใช้ข้อมูลในทุกส่วนงาน และการร่วมมือกันทำงาน แบ่งปันข้อมูล และสร้างผลลัพธ์ที่มีคุณค่าต่อธุรกิจเป็นเรื่องสำคัญ ดังนั้นเครื่องมือด้านข้อมูลที่ดีในปัจจุบันจะต้องช่วยให้ทุกคนในองค์กรเข้าถึงข้อมูล สามารถวิเคราะห์ข้อมูลได้อย่างมีประสิทธิภาพแม้จะไม่ได้เป็นผู้เชี่ยวชาญโดยตรง และประสานงานกันได้เป็นอย่างดี RapidMiner AI Hub จึงถูกเปิดตัวมาด้วยเหตุผลนี้
RapidMiner AI Hub เป็นเครื่องมือที่ช่วยเชื่อมต่อทุกคนในองค์กรเข้ากับขั้นตอนการจัดการข้อมูล และช่วยให้พวกเขานำความสามารถของ AI ไปสร้างประโยชน์ให้กับธุรกิจได้ โดยฟีเจอร์ที่น่าสนใจของ RapidMiner AI Hub ก็มีได้แก่
- โครงสร้างงานเป็นแบบโปรเจกต์ที่สมาชิกต่างทีมสามารถร่วมมือการทำงานได้ผ่านระบบกลางทั้งแบบ Visual และ Code-based
- ระบบ Git-based Version Control ที่คอยบันทึกการเปลี่ยนแปลงและช่วยให้สามารถ Roll back กลับไปยังเวอร์ชันก่อนๆได้
- ระบบจัดการสิทธิ์การเข้าถึงโปรเจกต์หรือข้อมูล (Identity Access Management – IAM) ที่ช่วยรักษาความปลอดภัยและสร้างความโปร่งใสว่าผู้ใช้ใดเข้าถึงข้อมูลส่วนใด
- RapidMiner Notebooks ซึ่งเป็นหน้า JupyterLab บนแพลตฟอร์ม RepidMiner โดยเชื่อมต่อกับโปรเจกต์และระบบ Version Control ทั้งหมดเพื่อความสมูธในการทำงาน
- Dashboard ใหม่ที่จะคอยบอกสถานะความเป็นไปของสิ่งต่างๆในระบบ เช่น Job ที่เริ่มทำและล้มเหลว พื้นที่ที่ใช้ไปต่อโปรเจกต์ งานที่ถูกตั้งเวลาให้ทำ เป็นต้น
- แอปพลิเคชันบนโทรศัพท์ที่เปิดให้ผู้ดูแลระบบจัดการกับงานในแพลตฟอร์ม RapidMiner เช่น ตรวจสอบ Job และกำหนดการในการรัน ได้
นอกจาก RapidMiner AI Hub แล้ว RapidMiner 9.7 นี้ยังได้เพิ่มความสามารถของ RapidMiner Studio ขึ้นมาด้วย ได้แก่
- การปรับมาใช้ระบบโปรเจกต์
- เพิ่มการรองรับการจัดเก็บไฟล์แบบ HDF5 ซึ่งเพิ่มประสิทธิภาพและความเสถียรในการทำงานกับข้อมูลขนาดใหญ่
- Auto Model ใช้หน่วยความจำน้อยลง และสามารถรันหลาย Job พร้อมกันได้
- ตัวเลือก Model Ops สำหรับจัดเก็บโมเดลที่ทำการ Deploy ไปแล้ว
- ปรับปรุง H2O Library ให้ทำงานได้ดีขึ้น