Introdução ao MLOps totalmente automatizado

MLOps totalmente automatizado

Arturo Opsetmoen Amador

Senior Consultant - Machine Learning

MLOps em ambiente industrial

Quais são objetivos comuns das empresas ao usar Machine Learning?

  • Desenvolver ferramentas e produtos de ML que usam dados para
    • Atender melhor os clientes
    • Otimizar processos

Uma imagem mostrando como uma empresa pode usar sistemas de Machine Learning para melhorar processos internos ou serviços ao cliente.

MLOps totalmente automatizado

Otimização para geração de valor

Empresas buscam maximizar lucros

  • Machine Learning pode aumentar a rentabilidade
  • Ao analisar custos e receitas, a empresa estima lucros potenciais
  • Implantar o número certo de casos de uso de ML pode gerar lucro

Um gráfico com uma curva. No eixo x, o número de projetos de Machine Learning. No eixo y, a receita gerada pelos projetos. A curva sobe até um platô em 6 projetos e cerca de 25 milhões. Após esse platô, a receita cai e não volta a subir.

MLOps totalmente automatizado

Custos no desenvolvimento de software

Custos esperados em um projeto tradicional de desenvolvimento de software:

  • Custos de desenvolvimento
  • Gestão de projeto
  • Design de UI/UX
  • Garantia de qualidade
MLOps totalmente automatizado

Dívida técnica no desenvolvimento de software

Dívida técnica ou de design:

  • Custo de retrabalho causado por mau design

Imagem de dois engenheiros em frente a uma casa mal construída. Um diz ao outro "Não entendo por que leva tanto tempo para adicionar uma nova janela."

1 https://vincentdnl.com/drawings/
MLOps totalmente automatizado

Dívida técnica oculta em sistemas de ML

Machine Learning: "O cartão de crédito de alto juro da dívida técnica"[1].

Dívidas técnicas ocultas podem estar relacionadas a:

  1. Os dados usados para treinar os modelos de ML
  2. Os modelos que alimentam o sistema de ML
  3. A infraestrutura usada pelo sistema de ML
  4. O monitoramento do sistema de ML
1 https://research.google/pubs/pub43146/
MLOps totalmente automatizado

Custos de projetos de Machine Learning

Lucro reduzido devido à dívida técnica em sistemas de ML: $$ $$

Imagem com duas figuras, cada uma com uma curva. Na primeira, a receita estimada é de $25M. Na segunda, essa receita cai para $10M.

MLOps totalmente automatizado

O cartão de crédito de alto juro da dívida técnica

Sistemas de ML podem ser complexos e ficar difíceis de gerir.

Uma imagem mostrando muitos componentes de um sistema de ML. Código de ML é um pequeno componente central. Ao redor: configuração, coleta de dados, validação de dados, gestão de recursos de máquina, infraestrutura de serviço, monitoramento, ferramentas de análise, ferramentas de processo, extração de features.

MLOps totalmente automatizado

MLOps: A melhor forma conhecida de pagar

Se ML é o cartão de crédito de alto juro da dívida técnica, MLOps é a melhor forma de pagar.

MLOps pode incluir:

  • Testes automatizados
  • Rastreamento automatizado de experimentos
  • Monitoramento automatizado

Para manter a dívida técnica no mínimo

MLOps totalmente automatizado

Vamos praticar!

MLOps totalmente automatizado

Preparing Video For Download...