Étude de cas MLOps : augmenter les profits avec MLOps

MLOps pour l’entreprise

Arne Jonas Warnke

Head of Emerging Curriculum

Étude de cas réelle

$$

$$

Étude de cas

$$

  • Cas réel
  • Pour tout rassembler
MLOps pour l’entreprise

Étude de cas : demande et disponibilité d'eau de refroidissement

$$

Question métier :

Prédire la quantité d'eau de refroidissement requise et disponible sur les deux prochaines semaines

Se préparer à d'éventuels goulets d'étranglement.

$$

MLOps pour l’entreprise

Modéliser l'eau de refroidissement

$$

Prédire l'eau de refroidissement

  • à l'heure
  • sur les deux prochaines semaines

$$

24 h * 14 jours = 336 prévisions (une par heure)

$$

Présenté dans un tableau de bord

  • pour la direction et les ingénieurs
MLOps pour l’entreprise

Modéliser l'eau de refroidissement

$$

Prévision basée sur

  • Données internes
    • Capteurs
    • Planification de la production

$$

  • Données externes
    • Prévisions météo

$$

MLOps pour l’entreprise

L'équipe

$$

Composition de l'équipe :

  • Data scientist
  • Data engineer
  • Data architect
  • Ingénieur backend (ponctuel)

Pas d'ingénieur logiciel

MLOps pour l’entreprise

Collaboration

$$

$$

Collaboration

$$

  • Pas de séparation entre développement et opérations
  • Autonome
  • Réactivité face aux imprévus
MLOps pour l’entreprise

Progression du projet

  1. Semaines initiales
    • Objectif métier clair
    • Pipelines de données
    • Modèle de référence

$$

  1. Moyen terme
    • Meilleures données
    • Meilleur modèle

$$

MLOps pour l’entreprise

Progression du projet – infrastructure

  1. Semaines initiales
    • Objectif métier clair
    • Pipelines de données
    • Modèle de référence
    • Infrastructure préliminaire

$$

  1. Moyen terme
    • Meilleures données
    • Meilleur modèle
    • Meilleure infrastructure

$$

Logo GitLab

MLOps pour l’entreprise

Conclusion

$$

Projet réussi

  • Objectifs métier atteints
  • Informations précieuses en période critique

$$

Mais

  • quelques indisponibilités
  • échec de l'industrialisation de l'application

$$

MLOps pour l’entreprise

Notre maturité MLOps

$$

Niveau Description Points clés
0 Pas de MLOps Équipes en silos, processus manuels
1 DevOps sans MLOps Équipes en silos, collecte de données automatique, premiers tests automatiques
2 Entraînement automatisé Meilleure collaboration, reproductibilité, déploiement facilité
3 Déploiement automatisé Bonne collaboration, pleine reproductibilité, traçabilité, tests automatisés
4 Ré-entraînement automatisé Collaboration totale, opérations maîtrisées, très peu d'indisponibilités
1 https://learn.microsoft.com/en-us/azure/architecture/example-scenario/mlops/mlops-maturity-model
MLOps pour l’entreprise

Passons à la pratique !

MLOps pour l’entreprise

Preparing Video For Download...