客户概览
DeepMirror 的使命是让 AI 驱动的药物设计像使用电子表格一样简单，并赋能每个生物制药团队更快地找到更好的药物。最终，推动生物学世纪发展，提升全人类健康水平。AI 现在可以将临床前药物研发速度提升 2 倍。但由于技能和信任方面的限制，只有不到 10% 的生物制药团队采用了 AI。DeepMirror 的软件帮助团队在几分钟内部署 AI，人人皆可使用，在从发现到临床的旅程中为企业提供无缝的用户体验赋能。DeepMirror 成立于 2019 年，现已在全球学术机构、生物技术公司和制药企业中得到应用。
我们最近采访了 DeepMirror 的应用科学家 Cecilia Cabrera 博士，讨论了该公司如何使用 ClearML 的开源端到端平台来释放 AI 和 ML 的力量。
Cecilia Cabrera 博士
项目经理 | DeepMirror
挑战
之前开发 AI 解决方案的经验让 DeepMirror 的团队深知跟踪机器学习实验中的数据、环境和模型的难度。DeepMirror 成立之初，团队就决定再也不要经历那种困难了。因此，团队首先寻求高效有序地运作，其次，他们希望确保能够以一种简单流畅的方式重新部署模型。
“对我们来说，跟踪机器学习实验至关重要，这样我们就无需 重复工作，从而使公司能够更快、更高效地发展，”Cabrera 博士说。“从一开始，我们就决定使用 ClearML 记录模型、数据和实验。”
“我们在寻找易于使用的 MLOps 提供商时发现了 ClearML。我们在决定采用 MLOps 解决方案时的一个主要要求是，确保我们最终不会得到一个 难以使用的工具，比如 KubeFlow，它需要更多的知识和培训才能上手，”Cabrera 博士说。“这就是为什么我们的主要评估标准是易用性，同时又不牺牲功能，这也是我们最终选择 ClearML 的原因。”
“上手很简单，”Cabrera 博士说。“ClearML 非常易于使用。几周之内，我们就开始训练模型并将其部署到终端了。”
解决方案
DeepMirror 的团队在蛋白质、RNA/DNA 和小分子等多种生物和化学数据上测试各种 ML 模型架构。团队使用 ClearML 进行这些项目的实验跟踪和数据记录。ClearML 使团队能够在生成新数据时检索过去的 ML 实验结果并与当前实验进行比较。
Cabrera 博士解释说：“我们使用 ClearML 作为我们环境、数据和模型的一站式实验跟踪器，所有信息都集中在一个易于访问的地方。实验跟踪帮助我们了解 AI 训练失败的原因以及比较实验。对我们来说另一个至关重要的功能是，我们可以在自己的 AWS 基础设施上运行所有实验并存储所有数据，确保数据不会离开我们的场所。此外，我们也很喜欢与非常活跃且乐于助人的 ClearML Slack 社区互动。”
借助 ClearML，组织只需两行代码即可轻松开发、集成、交付和改进任何规模的 AI/ML 模型。ClearML 提供统一的开源平台，支持持续 AI。客户可以使用我们所有模块构建完整的端到端生态系统，或将任何模块替换为他们已有的工具以获得自定义体验。ClearML 可作为统一平台或模块化产品提供。
图 1：ClearML 的开源端到端 MLOps 平台。
成果
快速检索和比较实验的能力显著加快了团队的工作速度，提高了工作效率和可靠性，最终促进了公司的快速增长。团队处理的数据集和方法多种多样，这意味着需要跟踪大量的模型性能指标、生物和化学属性数据集以及实验元数据，ClearML 使他们能够有效地做到这一点。
“在使用 ClearML 之前，我们无法追溯过去的实验并检索指标或数据，”Cabrera 博士指出。“现在，我们所有的内部实验和数据都得到了跟踪，这有助于我们在不牺牲安全性或功能的情况下提高效率和可靠性。”
“我们有一种结构化的方式来跟踪 ML/AI 性能，使我们能够大规模运行实验，并有效地识别出最适合我们用途的最佳模型，”她总结道。
后续步骤
通过使用我们的 免费层服务器或自行托管来开始使用 ClearML。阅读我们的 文档。您可以在我们的 YouTube 频道找到更多关于 ClearML 的深入教程，我们还有一个 非常活跃的 Slack 频道，为需要帮助的人提供支持。
如果您需要扩展您的 ML pipeline 和数据抽象能力，需要无与伦比的性能和控制力，或者希望访问 Hyper-Datasets、基于角色的访问控制 (Role-Based Access Control)、SSO 和 LDAP 集成等功能，请申请演示。要了解更多关于 ClearML 的信息，请访问：https://clearml.org.cn/。
