ML Space¶

ML Space — это российская платформа для машинного обучения и искусственного интеллекта, предоставляющая облачные вычислительные ресурсы, инструменты для разработки, обучения и развертывания моделей, а также среду для совместной работы специалистов по данным. Платформа ориентирована на корпоративных и индивидуальных пользователей, предлагая инфраструктуру для работы с большими данными и нейросетями, и является частью экосистемы облачных сервисов «Сбер».

¶История

Платформа ML Space была запущена в 2020 году компанией «Сбер» (ПАО Сбербанк) как часть стратегии развития технологий искусственного интеллекта. Разработка велась на базе собственной облачной инфраструктуры SberCloud, которая впоследствии была интегрирована в экосистему «Сбера». В 2021 году платформа была представлена на международном рынке как один из инструментов для ускорения внедрения AI-решений в бизнесе. В 2022 году, после введения санкций против России, ML Space продолжила работу, ориентируясь на внутренний рынок и страны, не присоединившиеся к санкционным ограничениям. К 2024 году платформа насчитывала более 10 000 зарегистрированных пользователей и использовалась в таких отраслях, как финансы, здравоохранение, ритейл и промышленность.

¶Ключевые возможности

¶Вычислительные ресурсы

ML Space предоставляет доступ к графическим процессорам (GPU) NVIDIA, включая модели A100, V100 и T4, а также к центральным процессорам (CPU) Intel Xeon. Пользователи могут арендовать виртуальные машины с предустановленным программным обеспечением для машинного обучения, таким как PyTorch, TensorFlow, Jupyter Notebook и другие. Ресурсы масштабируются в зависимости от потребностей задачи — от одного GPU до кластеров из сотен ядер.

¶Инструменты для разработки

Платформа включает в себя:

• JupyterLab — интерактивная среда для написания и выполнения кода на Python, R и Julia.
• MLflow — система для управления жизненным циклом моделей, включая отслеживание экспериментов, версионирование и развертывание.
• Kubeflow — инструмент для оркестрации конвейеров машинного обучения на базе Kubernetes.
• AutoML — автоматизированное машинное обучение, позволяющее подбирать оптимальные модели и гиперпараметры без ручного вмешательства.

¶Хранение данных

Пользователи могут использовать объектное хранилище S3-совместимого типа для хранения наборов данных и обученных моделей. Объем хранилища не ограничен, оплата взимается за фактически использованное пространство. Поддерживается интеграция с внешними источниками данных, включая базы данных и API.

¶Совместная работа

ML Space поддерживает командную работу: пользователи могут создавать проекты, назначать роли (администратор, редактор, читатель), делиться ноутбуками и данными, а также настраивать уведомления о завершении задач. Встроенный чат и система комментариев упрощают коммуникацию внутри команды.

¶Архитектура

Платформа построена на микросервисной архитектуре с использованием контейнеризации Docker и оркестрации Kubernetes. Основные компоненты включают:

• Управляющий слой — отвечает за аутентификацию, авторизацию и управление ресурсами.
• Вычислительный слой — кластеры GPU/CPU, развернутые на физических серверах в дата-центрах «Сбера».
• Слой хранения — распределенная файловая система и объектное хранилище.
• Слой мониторинга — сбор метрик (загрузка GPU, использование памяти, время выполнения задач) и логирование ошибок.

Все компоненты изолированы на уровне контейнеров, что обеспечивает безопасность данных и предотвращает конфликты между задачами разных пользователей.

¶Применение

¶Финансовый сектор

ML Space используется для построения моделей кредитного скоринга, обнаружения мошеннических транзакций, прогнозирования рыночных трендов и автоматизации обработки документов. Например, «Сбер» применяет платформу для обучения нейросетей, анализирующих кредитные заявки в реальном времени.

¶Здравоохранение

В медицинских учреждениях платформа применяется для анализа медицинских изображений (рентген, КТ, МРТ) с помощью сверточных нейросетей, прогнозирования рисков заболеваний и разработки персонализированных схем лечения. В 2023 году на базе ML Space была обучена модель для диагностики рака легких с точностью более 95%.

¶Ритейл и e-commerce

Компании розничной торговли используют ML Space для прогнозирования спроса, оптимизации цепочек поставок, персонализации рекомендаций и анализа поведения покупателей. Например, платформа помогает сегментировать клиентов на основе истории покупок и предсказывать отток.

¶Промышленность

В производственном секторе ML Space применяется для предиктивного обслуживания оборудования, контроля качества продукции на основе компьютерного зрения и оптимизации логистических маршрутов. В 2024 году на платформе была развернута система для обнаружения дефектов на конвейерных линиях одного из российских автозаводов.

¶Тарифы и ценообразование

ML Space предлагает несколько тарифных планов:

Оплата производится за фактически использованные ресурсы (GPU-часы, объем хранилища, трафик). Бесплатный тариф позволяет ознакомиться с платформой, но имеет ограничения по времени работы GPU и объему данных.

¶Конкуренты и позиционирование

На российском рынке ML Space конкурирует с такими платформами, как Yandex DataSphere (ООО «Яндекс»), Cloud ML (МТС) и платформами на базе открытого кода (например, Kubeflow, MLflow). Основное преимущество ML Space — интеграция с экосистемой «Сбера», включая доступ к данным банка, финансовым сервисам и корпоративным клиентам. В отличие от зарубежных аналогов (Amazon SageMaker, Google Vertex AI), ML Space ориентирована на соблюдение российского законодательства о персональных данных (ФЗ-152) и хранение данных на территории РФ.

¶Критика и ограничения

Платформа подвергается критике за:

• Высокую стоимость — по сравнению с открытыми решениями (например, локальным развертыванием Kubeflow) тарифы ML Space могут быть дороже для небольших проектов.
• Зависимость от экосистемы «Сбера» — пользователи, не связанные с банком, могут испытывать трудности с интеграцией и поддержкой.
• Ограниченную поддержку GPU — доступны только модели NVIDIA, что может быть проблемой для задач, требующих специфических архитектур (например, AMD ROCm).
• Недостаточную документацию — по отзывам пользователей, документация на русском языке не всегда полна и актуальна, особенно для сложных сценариев использования.

¶Безопасность и соответствие стандартам

ML Space соответствует требованиям Федерального закона «О персональных данных» (ФЗ-152) и стандартам информационной безопасности, включая шифрование данных при передаче (TLS 1.2/1.3) и хранении (AES-256). Платформа прошла сертификацию по стандарту ISO 27001 и имеет лицензию ФСТЭК России на деятельность по технической защите конфиденциальной информации. Доступ к данным ограничен на уровне ролей, ведется аудит всех действий пользователей.

¶Перспективы развития

По состоянию на 2025 год, «Сбер» анонсировал планы по расширению функциональности ML Space, включая:

• Внедрение поддержки квантовых вычислений для задач оптимизации.
• Интеграцию с отечественными процессорами (например, «Эльбрус» и «Байкал»).
• Разработку инструментов для обучения больших языковых моделей (LLM) на русском языке.
• Создание маркетплейса готовых моделей и датасетов.

¶Источники

1. Официальный сайт платформы ML Space — Сбер.
2. Презентация «Сбера» на конференции AI Journey 2023.
3. Статья «Обзор облачных платформ для машинного обучения в России» — журнал «Цифровая экономика», 2024.
4. Отчет «Рынок AI-платформ в РФ: 2023–2024» — аналитическое агентство TAdviser.
5. Документация ML Space — раздел «Архитектура и безопасность».