Boas práticas e armadilhas em MLOps

MLOps para Negócios

Arne Jonas Warnke

Head of Emerging Curriculum

Conteúdo deste vídeo

MLOps

Boas práticas
Armadilhas a evitar

Boas práticas

Boas práticas ao projetar uma aplicação de MLOps

Foque principalmente em obter dados melhores
- Em vez de modelos melhores
- Abordagem data-centric

Comece com a pergunta de negócio
- Considere um PoC se a viabilidade for incerta
- Avalie gargalos logo no início
- Garanta aprendizado mesmo ao falhar

Uma planilha com números

Infraestrutura

Infraestrutura — boas práticas

A demanda por computação varia
- Especialmente alta no treinamento
- A infraestrutura deve estar pronta para isso
Considere os custos associados

Colegas na sala de servidores

Boas práticas relacionadas a modelagem

Aqui vão algumas boas práticas do ponto de vista de MLOps:

Comece com um modelo simples
- Rápido de desenvolver, serve de baseline
- Mais fácil de entender

Ao adicionar um novo modelo:

O modelo é melhor que o status quo?

Um humano e um robô híbridos escrevendo código

Testes

Testes automatizados

Em todo o ciclo de vida

Código
Modelos
Qualidade dos dados
Pipelines completos

Testes automatizados

Qualidade de código e reprodutibilidade

Todos os resultados

Compreensíveis
Reproduzíveis

=> Testar qualidade do código

Dois programadores melhorando o código

Transferência de conhecimento

Versionamento

Modelos e código
(Armazenar) dados

Mantenha a cultura de

Documentação
Código limpo
Transferência de conhecimento

Imagem de brainstorming

Documente os insights obtidos

Registre o conhecimento obtido

Mesmo que não entre na aplicação final

Uma lâmpada

Boas práticas em operações

Automatizar

Logging
Monitoramento práticas

Equipe treinada

Para reagir rápido a erros

Continuous Monitoring / -Training

Uma sala de monitoramento

Vamos praticar!

MLOps para Negócios