Maschinelles Lernen im Produktivbetrieb

Maschinelles Lernen für Unternehmen

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Produktivsysteme

Produktivsystem ist live, kundenseitig und geschäftskritisch

Customer Relationship Management (CRM)
Betrugserkennungssystem
Online-Banking-Plattform
Selbstfahrende Autos

CRM

Produktivsystem – Customer Relationship Management (CRM)

Beispiel: vorhergesagte Abwanderung löst automatische E-Mails aus

crm

Betrugserkennungssystem

Produktivsystem – Betrugserkennungssystem

Beispiel: vorhergesagte Betrugswahrscheinlichkeit führt automatisch dazu, dass Transaktion blockiert wird und eine manuelle Überprüfung angefordert wird

fraud-detection

Online-Banking-System

Produktivsystem – Online-Banking-Plattform

Beispiel: empfohlene Produkte, die Nutzenden im Online-Banking-Profil angezeigt werden

Selbstfahrende Autos

Produktivsystem – selbstfahrende Autos

Beispiel: vorhergesagte Kollision löst automatisch die Bremsen und Maßnahmen zur Kollisionsvermeidung aus

autonomous vehicle

Personal

Prototyp-ML

Data Scientists
ML Engineers

ML im Produktivbetrieb

Software Engineers
Data Engineers
Infrastrukturbetreiber

Einführung, Nachverfolgung und Feedback

Murphys Gesetz
Einführung für kleineren Kundenkreis
Ergebnisse nachverfolgen und beobachten, ob sie gleichbleibend sind
Leistung, Stabilität und Kundenfeedback im Blick behalten
Skalieren
Schritte 3, 4, 5 wiederholen

Lass uns üben!

Maschinelles Lernen für Unternehmen