Apresentando automação completa e boas práticas em MLOps

MLOps totalmente automatizado

Arturo Opsetmoen Amador

Senior Consultant - Machine Learning

O ciclo de vida de MLOps

Imagem do ciclo de vida de MLOps. Três ciclos circulares conectados entre si. Os nomes de cada círculo, da esquerda para a direita, são: Design, Development, Deployment.

Níveis de maturidade em MLOps

Os níveis de maturidade incluem:

Workflow de ML manual
Workflow de ML semiautomatizado
Workflow de ML totalmente automatizado

Workflow de ML manual - Experimentação ad hoc

Imagem ilustrando como modelos são entregues manualmente do desenvolvimento para a produção usando um processo manual.

Workflow de ML semiautomatizado

Imagem de dados sendo enviados para um pipeline de experimentos orquestrado.

Workflow de ML semiautomatizado

A imagem anterior é estendida incluindo código enviado para um repositório de origem e um feature store que alimenta dados para o sistema.

Workflow de ML semiautomatizado

A imagem anterior é estendida incluindo um componente de deploy. Ele implanta pipelines de ML automatizados na arquitetura. Além disso, um repositório de metadados de ML recebe metadados gerados pelo pipeline automatizado.

Workflow de ML semiautomatizado

A arquitetura anterior é estendida. Agora os modelos produzidos pelo pipeline automatizado são enviados para um registro de modelos, que por sua vez entrega modelos a um módulo de serving. O módulo de serving se conecta a um serviço de predição na arquitetura.

Workflow de ML semiautomatizado

O módulo de serviço de predição na arquitetura está conectado a um componente de monitoramento de desempenho, que por sua vez está ligado a um gatilho automatizado. O gatilho pode iniciar o pipeline automatizado no sistema.

Workflow de ML totalmente automatizado

Imagem mostrando uma visão geral de alto nível da arquitetura de referência de MLOps totalmente automatizada.

Automação no ciclo de vida de ML - Design

Uma tabela mostrando que as atividades na fase de design e planejamento não são automatizáveis.

Boas práticas:

Aplicar processos reproduzíveis
Escrever documentação detalhada

Automação no ciclo de vida de ML - Desenvolvimento

Uma tabela mostrando que as atividades na fase de desenvolvimento não são todas automatizáveis.

Boas práticas:

Lembre-se: estamos desenvolvendo software
Usar controle de versão
Usar ferramentas de orquestração

Automação no ciclo de vida de ML - Operações

Uma tabela mostrando que as atividades na fase de operações são, em sua maioria, automatizáveis.

Use:

Testes automatizados
CI/CD/CT/CM

Vamos praticar!

MLOps totalmente automatizado