GitLab acquisisce UnReview per aggiungere machine learning alla sua piattaforma DevOps. Benvenuti nell’era MLOps!

0

Quanto il machine learning ed in generale l’intelligenza artificiale stiano entrando nel nostro quotidiano è sotto gli occhi di tutti. Pensare oggi di non includere nel proprio processo di sviluppo fasi automatizzate di controllo di validità del codice prodotto e review automatiche basate su principi condivisi sarebbe folle. In questo senso l’azienda GitLab si è sempre dimostrata attiva ed attenta, posizionando il proprio prodotto di punta, ossia la piattaforma DevOps GitLab, al servizio dei processi automatizzati di Continuous Integration (CI) e Continuous Delivery (CD).

Non stupisce quindi leggere dell’acquisizione da parte di GitLab Inc. dell’azienda UnReview, un prodotto che si occupa di identificare i più appropriati meccanismi di review ed applicarli affinché siano efficienti e distribuiti.

Le fasi con cui UnReview lavora sono semplici:

  1. I dati vengono collezionati dal repository.
  2. I dati vengono puliti in modo che possano essere analizzati con più facilità.
  3. Viene selezionato il reviewer ideale per il codice che istruisce il modello (la fase di machine learning è qui che inizia) per rendere il risultato accurato.
  4. Vengono fornite le raccomandazioni.
  5. L’analisi viene rappresentata graficamente.

Secondo Eric Johnson, CTO di GitLab l’inclusione del machine learning nella piattaforma GitLab è la sua naturale evoluzione:

Integrating UnReview’s technology into the GitLab platform marks our first step in building GitLab’s Applied Machine Learning for DevOps […] By continuing to incorporate machine learning into GitLab’s open DevOps platform, we are improving the user experience by automating workflows and compressing cycle times across all stages of the DevSecOps lifecycle. We’re also building new MLOps features to empower data scientists.

L’integrazione della tecnologia di UnReview nella piattaforma GitLab segna il nostro primo passo nella costruzione dell’Applied Machine Learning for DevOps di GitLab […] Continuando ad incorporare il machine learning nella piattaforma aperta DevOps di GitLab, stiamo migliorando l’esperienza dell’utente automatizzando i flussi di lavoro e comprimendo i tempi del ciclo in tutte le fasi del ciclo di vita DevSecOps. Stiamo anche costruendo nuove funzionalità MLOps per potenziare gli scienziati dei dati.

Ora, dei DevSecOps abbiamo parlato abbondantemente, ma se vi state chiedendo cosa siano gli MLOps, bene, come suggerisce il nome, ML sta per Machine Learning e, come recita la pagina di Wikipedia, prevede l’adozione di sperimentali tecniche di machine learning all’interno dei processi di sviluppo.

Insomma, il futuro delle nostre pipeline non potrà prescindere da una componente esterna, automatica e meccanica che ne favorirà l’efficienza ed il progresso. Alla fine ci sarà davvero ancora bisogno di sviluppare?

Lo scopriremo, nel frattempo il 2029 è sempre più vicino.

Ecco il nuovo volto di Terminator: Gabriel Luna - Wired
Nella foto, un tipico e riconosciuto esempio di machine learning

Da sempre appassionato del mondo open-source e di Linux nel 2009 ho fondato il portale Mia Mamma Usa Linux! per condividere articoli, notizie ed in generale tutto quello che riguarda il mondo del pinguino, con particolare attenzione alle tematiche di interoperabilità, HA e cloud.
E, sì, mia mamma usa Linux dal 2009.