Desafios de negócio e riscos relacionados a MLOps

MLOps para Negócios

Arne Jonas Warnke

Head of Emerging Curriculum

Agenda do capítulo 3

Vídeo Desafios de negócio e riscos relacionados a MLOps:

  • Desafios de negócio e riscos relacionados a MLOps

$$

Vídeo Como equipes de MLOps operam com sucesso:

  • Como equipes de MLOps operam com sucesso

$$

Vídeo O estado do MLOps hoje

  • O estado do MLOps hoje
MLOps para Negócios

MLOps é desafiador

$$ Muitas empresas enfrentam dificuldades

  • Para operacionalizar
  • Para automatizar design e desenvolvimento
  • Para simplificar e escalar

seus casos de uso de ML

$$

Desafio

MLOps para Negócios

MLOps exige habilidades diversas

MLOps está na interseção de Machine Learning, Engenharia de Dados e Engenharia de Software

MLOps para Negócios

Desafios de MLOps: habilidades

Equipes frequentemente

  • Carecem de algumas habilidades necessárias
    • Geralmente ligadas à engenharia de software

$$

Isso pode levar a

  • Dívida técnica
  • Falta de padronização
  • Reprodutibilidade insuficiente

Pessoas trabalhando juntas para resolver um quebra-cabeça

MLOps para Negócios

Desafios de MLOps: colaboração e cultura

Colaboração é essencial para garantir

  • Alinhamento entre métricas estatísticas e negócio
  • Que todas as partes entendam como as equipes de MLOps operam

$$

Cultura e hábitos de

  • Aprendizado constante
  • Reconhecimento de que falhas acontecem
  • Documentação e compartilhamento de conhecimento

$$

Pessoas colaborando em frente a um computador

MLOps para Negócios

Desafios de MLOps: tecnologia

Tecnologia

  • Evolui rápido
  • Não há uma pilha comum de ferramentas de MLOps
    • Equipes diferentes usam abordagens tecnológicas bem distintas
    • Poucas boas práticas amplamente aceitas sobre tecnologia

$$

Erro comum

  • Excesso de foco na tecnologia

$$ Um grafo de rede inteligente

MLOps para Negócios

Desafios de MLOps: riscos

Riscos de operar modelos de machine learning:

  • Riscos de negócio e financeiros
    • Aplicação/modelo pode ficar indisponível
    • Qualidade das previsões pode piorar
    • Risco de manutenção
  • Riscos de governança
    • Previsões podem sair totalmente erradas
    • Possível bias
  • Riscos de (ciber) segurança

$$

Ilustração de diferentes riscos

MLOps para Negócios

Projetos de software tradicionais vs. MLOps

Software tradicional

  • Testes, depuração ...

MLOps

  • Testes, depuração ...
  • Monitoramento de dados
  • Monitoramento das saídas do modelo
  • ...

$$ Uma pessoa escrevendo código

$$ Um híbrido humano-robô escrevendo código

MLOps para Negócios

Vamos praticar!

MLOps para Negócios

Preparing Video For Download...