Estudo de caso de MLOps: aumentando lucros com MLOps

MLOps para Negócios

Arne Jonas Warnke

Head of Emerging Curriculum

Estudo de caso real

$$

$$

Estudo de caso

$$

  • Real
  • Para juntar tudo
MLOps para Negócios

Estudo de caso: demanda e disponibilidade de água de resfriamento

$$

Pergunta de negócio:

Prever a quantidade de água de resfriamento necessária e disponível nas próximas duas semanas

Preparar-se para possíveis gargalos de produção.

$$

MLOps para Negócios

Modelagem da água de resfriamento

$$

Prevendo água de resfriamento

  • em base horária
  • nas próximas duas semanas

$$

24 horas * 14 dias = 336 previsões (por hora)

$$

Apresentado em dashboard

  • para gestão e engenheiros
MLOps para Negócios

Modelagem da água de resfriamento

$$

Previsão baseada em

  • Dados internos
    • Sensores
    • Planejamento de produção

$$

  • Dados externos
    • Previsão do tempo

$$

MLOps para Negócios

O time

$$

Composição do time:

  • Data scientist
  • Data engineer
  • Data architect
  • Backend engineer (eventual)

Sem software engineer

MLOps para Negócios

Colaboração

$$

$$

Colaboração

$$

  • Sem separação entre desenvolvimento e operações
  • Autônomo
  • Resposta rápida a imprevistos
MLOps para Negócios

Evolução do projeto

  1. Semanas iniciais
    • Objetivo de negócio claro
    • Pipelines de dados
    • Modelo baseline

$$

  1. Médio prazo
    • Dados melhores
    • Modelo melhor

$$

MLOps para Negócios

Evolução do projeto - infraestrutura

  1. Semanas iniciais
    • Objetivo de negócio claro
    • Pipelines de dados
    • Modelo baseline
    • Infraestrutura preliminar

$$

  1. Médio prazo
    • Dados melhores
    • Modelo melhor
    • Infraestrutura melhor

$$

Logo GitLab

MLOps para Negócios

Conclusão

$$

O projeto foi um sucesso

  • Objetivos de negócio atingidos
  • Informações valiosas em momentos críticos

$$

Mas

  • algumas indisponibilidades
  • app não foi simplificado

$$

MLOps para Negócios

Nossa maturidade em MLOps

$$

Nível Descrição Destaques
0 Sem MLOps Times isolados, processos manuais
1 DevOps sem MLOps Times isolados, coleta automática de dados, primeiros testes automáticos
2 Treinamento automatizado Melhor colaboração, reprodutibilidade, implantação mais fácil
3 Implantação automatizada Boa colaboração, reprodutibilidade total, rastreabilidade, testes automatizados
4 Re-treinamento automatizado Colaboração total, domínio de operações, pouquíssimas indisponibilidades
1 https://learn.microsoft.com/en-us/azure/architecture/example-scenario/mlops/mlops-maturity-model
MLOps para Negócios

Vamos praticar!

MLOps para Negócios

Preparing Video For Download...