MLOps-casestudy: winst verhogen met MLOps

MLOps voor bedrijven

Arne Jonas Warnke

Head of Emerging Curriculum

Casestudy uit de praktijk

$$

$$

Casestudy

$$

  • Praktijkvoorbeeld
  • Om alles samen te brengen
MLOps voor bedrijven

Casestudy: vraag en aanbod koelwater

$$

Businessvraag:

Voorspel hoeveel koelwater de komende twee weken nodig en beschikbaar is

Voorbereid zijn op mogelijke productieknelpunten.

$$

MLOps voor bedrijven

Koelwater modelleren

$$

Koelwater voorspellen over

  • per uur
  • de komende twee weken

$$

24 uur * 14 dagen = 336 forecasts (elk uur)

$$

Getoond in dashboard

  • voor management en engineers
MLOps voor bedrijven

Koelwater modelleren

$$

Forecast op basis van

  • Interne data
    • Sensoren
    • Productieplanning

$$

  • Externe data
    • Weersverwachting

$$

MLOps voor bedrijven

Het team

$$

Teamopzet:

  • Data scientist
  • Data engineer
  • Data-architect
  • Backend-engineer (af en toe)

Geen software-engineer

MLOps voor bedrijven

Samenwerking

$$

$$

Samenwerking

$$

  • Geen scheiding tussen development en operations
  • Autonoom
  • Snel reageren op onverwachte gebeurtenissen
MLOps voor bedrijven

Projectverloop

  1. Eerste weken
    • Duidelijk businessdoel
    • Datapijplijnen
    • Baseline-model

$$

  1. Middellang
    • Betere data
    • Beter model

$$

MLOps voor bedrijven

Projectverloop - infrastructuur

  1. Eerste weken
    • Duidelijk businessdoel
    • Datapijplijnen
    • Baseline-model
    • Voorlopige infrastructuur

$$

  1. Middellang
    • Betere data
    • Beter model
    • Betere infrastructuur

$$

Logo GitLab

MLOps voor bedrijven

Conclusie

$$

Project was een succes

  • Businessdoelen behaald
  • Waardevolle info op kritieke momenten

$$

Maar

  • enkele storingen
  • applicatie niet gestroomlijnd

$$

MLOps voor bedrijven

Onze MLOps-volwassenheid

$$

Niveau Beschrijving Highlights
0 Geen MLOps Gescheiden teams, handmatige processen
1 DevOps geen MLOps Gescheiden teams, automatische gegevensverzameling, eerste automatische tests
2 Geautomatiseerde training Betere samenwerking, reproduceerbaarheid, eenvoudiger uitrollen
3 Geautomatiseerde uitrol Goede samenwerking, volledige reproduceerbaarheid, traceerbaarheid, geautomatiseerd testen
4 Geautomatiseerde hertraining Volledige samenwerking, operations onder de knie, zeer weinig downtime
1 https://learn.microsoft.com/en-us/azure/architecture/example-scenario/mlops/mlops-maturity-model
MLOps voor bedrijven

Laten we oefenen!

MLOps voor bedrijven

Preparing Video For Download...