MLOpsに関するビジネス上の課題とリスク

ビジネスのための MLOps

Arne Jonas Warnke

Head of Emerging Curriculum

第3章のアジェンダ

動画「MLOpsに関するビジネス上の課題とリスク」:

  • 「MLOpsに関するビジネス上の課題とリスク」

$$

動画「MLOpsチームの成功する運用」:

  • 「MLOpsチームの成功する運用」

$$

動画「今日のMLOpsの現状」

  • 「今日のMLOpsの現状」
ビジネスのための MLOps

MLOpsは難しい

$$ 多くの企業が苦戦：

  • 運用化
  • 設計・開発の自動化
  • 効率化とスケール

MLユースケースにおいて

$$

課題

ビジネスのための MLOps

MLOpsには多様なスキルが必要

MLOpsは機械学習、データエンジニアリング、ソフトウェアエンジニアリングの交点にあります

ビジネスのための MLOps

MLOpsの課題：スキル

チームにはよく不足がある

  • 必要スキルの一部
    • 特にソフトウェア工学関連

$$

その結果

  • 技術的負債
  • 標準化の不足
  • 再現性の不足

パズルを協力して解く人々

ビジネスのための MLOps

MLOpsの課題：コラボレーションと文化

連携が重要です。以下を確実にするために：

  • 統計指標とビジネスの整合
  • すべての関係者がMLOpsの運用を理解

$$

文化と習慣

  • 継続的学習
  • 失敗を認める姿勢
  • ドキュメント化と知識共有

$$

コンピュータ前で協働する人々

ビジネスのための MLOps

MLOpsの課題：テクノロジー

テクノロジー

  • 進化が速い
  • 共通のMLOpsツール群がない
    • チームごとに技術アプローチが大きく異なる
    • 技術面の広く受け入れられたベストプラクティスが少ない

$$

よくある誤り

  • 技術に偏重しすぎる

$$ インテリジェントなネットワークグラフ

ビジネスのための MLOps

MLOpsの課題：リスク

機械学習モデル運用のリスク：

  • ビジネス・財務リスク
    • アプリ/モデルの非稼働
    • 予測品質の劣化
    • 保守リスク
  • ガバナンスリスク
    • 予測が全く外れる可能性
    • バイアスの可能性
  • （サイバー）安全リスク

$$

さまざまなリスクのイラスト

ビジネスのための MLOps

従来のソフトウェア開発 vs. MLOps

【従来のソフトウェア】

  • テスト、デバッグ など

【MLOps】

  • テスト、デバッグ など
  • データ監視
  • モデル出力の監視
  • …

$$ コードを書く人

$$ 人とロボットのハイブリッドがコードを書く

ビジネスのための MLOps

練習しましょう！

ビジネスのための MLOps

Preparing Video For Download...