Pengantar MLOps sepenuhnya otomatis

MLOps Otomatis Penuh

Arturo Opsetmoen Amador

Senior Consultant - Machine Learning

MLOps dalam lingkungan industri

Apa tujuan umum perusahaan saat menggunakan machine learning?

  • Mengembangkan alat dan produk ML yang menggunakan data untuk
    • Melayani pelanggan lebih baik
    • Mengoptimalkan proses

Gambar menunjukkan bagaimana perusahaan dapat menggunakan sistem ML untuk meningkatkan proses internal atau layanan bagi pelanggan.

MLOps Otomatis Penuh

Optimasi untuk penciptaan nilai

Perusahaan bertujuan memaksimalkan laba

  • Machine learning dapat meningkatkan profitabilitas
  • Dengan menganalisis biaya dan pendapatan, perusahaan dapat memperkirakan laba
  • Menerapkan jumlah use case ML yang tepat dapat menghasilkan laba

Plot menampilkan kurva. Sumbu-x: jumlah proyek machine learning. Sumbu-y: pendapatan yang dihasilkan. Kurva naik hingga plateau di 6 proyek dan pendapatan ~25 juta. Setelah itu, pendapatan menurun dan tidak naik lagi.

MLOps Otomatis Penuh

Biaya dalam pengembangan perangkat lunak

Perkiraan biaya dalam proyek pengembangan perangkat lunak tradisional:

  • Biaya pengembangan
  • Manajemen proyek
  • Desain UI/UX
  • Penjaminan mutu
MLOps Otomatis Penuh

Utang teknis dalam pengembangan perangkat lunak

Utang teknis atau utang desain:

  • Biaya kerja ulang akibat desain yang buruk

Gambar dua insinyur di depan rumah yang dibangun buruk. Satu berkata kepada yang lain, "Saya tidak mengerti mengapa memasang jendela baru begitu lama."

1 https://vincentdnl.com/drawings/
MLOps Otomatis Penuh

Utang teknis tersembunyi dalam sistem ML

Machine Learning: "Kartu kredit berbunga tinggi dari utang teknis"[1].

Utang teknis tersembunyi dapat terkait dengan:

  1. Data untuk melatih model ML
  2. Model yang menjalankan sistem ML
  3. Infrastruktur yang dipakai sistem ML
  4. Pemantauan sistem ML
1 https://research.google/pubs/pub43146/
MLOps Otomatis Penuh

Biaya proyek machine learning

Laba berkurang akibat utang teknis pada sistem ML: $$ $$

Gambar menampilkan dua grafik masing-masing dengan satu kurva. Pada grafik pertama, pendapatan diperkirakan $25M. Pada grafik kedua, pendapatan turun menjadi $10M.

MLOps Otomatis Penuh

Kartu kredit berbunga tinggi dari utang teknis

Sistem ML dapat kompleks dan sulit dikendalikan.

Gambar menunjukkan banyak komponen dalam sistem ML. Kode ML adalah komponen kecil di tengah. Di sekelilingnya ada konfigurasi, pengumpulan data, validasi data, manajemen sumber daya mesin, infrastruktur penyajian, pemantauan, alat analisis, alat manajemen proses, ekstraksi fitur.

MLOps Otomatis Penuh

MLOps: Cara terbaik untuk membayar

Jika ML adalah kartu kredit berbunga tinggi dari utang teknis, maka MLOps adalah cara terbaik untuk membayarnya.

MLOps dapat mencakup:

  • Pengujian otomatis
  • Pelacakan eksperimen otomatis
  • Pemantauan otomatis

Untuk menjaga utang teknis seminimal mungkin

MLOps Otomatis Penuh

Ayo berlatih!

MLOps Otomatis Penuh

Preparing Video For Download...