Caso di studio MLOps: aumentare i profitti con l’MLOps

MLOps per il business

Arne Jonas Warnke

Head of Emerging Curriculum

Caso di studio reale

$$

$$

Caso di studio

$$

  • Reale
  • Per collegare tutto
MLOps per il business

Caso di studio: domanda e disponibilità di acqua di raffreddamento

$$

Domanda di business:

Prevedi quanta acqua di raffreddamento sarà necessaria e disponibile nelle prossime due settimane

Prepararsi a possibili colli di bottiglia di prop.

$$

MLOps per il business

Modellare l’acqua di raffreddamento

$$

Previsioni sull’acqua di raffreddamento

  • orarie
  • per le prossime due settimane

$$

24 ore * 14 giorni = 336 previsioni (ogni ora)

$$

Mostrato in un dashboard

  • a management e ingegneri
MLOps per il business

Modellare l’acqua di raffreddamento

$$

Previsioni basate su

  • Dati interni
    • Sensori
    • Pianificazione produzione

$$

  • Dati esterni
    • Previsioni meteo

$$

MLOps per il business

Il team

$$

Composizione del team:

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

Nessun software engineer

MLOps per il business

Collaborazione

$$

$$

Collaborazione

$$

  • Nessuna separazione tra sviluppo e operations
  • Autonomia
  • Risposta rapida a imprevisti
MLOps per il business

Avanzamento progetto

  1. Prime settimane
    • Obiettivo business chiaro
    • Pipeline dati
    • Modello baseline

$$

  1. Medio termine
    • Dati migliori
    • Modello migliore

$$

MLOps per il business

Avanzamento progetto - infrastruttura

  1. Prime settimane
    • Obiettivo business chiaro
    • Pipeline dati
    • Modello baseline
    • Infrastruttura preliminare

$$

  1. Medio termine
    • Dati migliori
    • Modello migliore
    • Infrastruttura migliore

$$

Logo GitLab

MLOps per il business

Conclusione

$$

Progetto riuscito

  • Obiettivi di business raggiunti
  • Info preziose in momenti critici

$$

Ma

  • qualche downtime
  • non siamo riusciti a snellire l’app

$$

MLOps per il business

La nostra maturità MLOps

$$

Livello Descrizione In evidenza
0 Niente MLOps Team a silos, processi manuali
1 DevOps senza MLOps Team a silos, raccolta dati automatica, primi test automatici
2 Training automatizzato Migliore collaborazione, riproducibilità, deployment più facile
3 Deployment automatizzato Buona collaborazione, piena riproducibilità, tracciabilità, test automatici
4 Ri-addestramento automatizzato Piena collaborazione, padronanza delle operations, pochissimi downtime
1 https://learn.microsoft.com/en-us/azure/architecture/example-scenario/mlops/mlops-maturity-model
MLOps per il business

Ayo berlatih!

MLOps per il business

Preparing Video For Download...