MLOps事例研究：MLOpsで利益を向上

ビジネスのための MLOps

Arne Jonas Warnke

Head of Emerging Curriculum

実例の事例研究

$$

$$

事例研究

$$

• 実例
• 学んだ内容を総合

事例研究：冷却水の需要と供給

$$

ビジネス課題:

今後2週間で必要かつ利用可能な冷却水量を予測する

潜在的な供給ボトルネックに備える

$$

冷却水のモデリング

$$

冷却水の予測

• 時間単位で
• 今後2週間

$$

24時間 × 14日 = 336予測（毎時）

$$

ダッシュボードで提示

• 経営層とエンジニア向け

冷却水のモデリング

$$

予測の根拠

• 内部データ
  • センサー
  • 生産計画

$$

• 外部データ
  • 天気予報

$$

チーム

$$

チーム構成:

• データサイエンティスト
• データエンジニア
• データアーキテクト
• バックエンドエンジニア（随時）

ソフトウェアエンジニアは不在

連携

$$

$$

連携

$$

• 開発と運用の分離なし
• 自律的
• 突発事態に迅速対応

プロジェクトの進行

1. 初期（数週間）
   • 明確なビジネス目標
   • データパイプライン
   • ベースラインモデル

$$

1. 中期
   • データの高度化
   • モデルの高度化

$$

プロジェクト進行 - インフラ

1. 初期（数週間）
   • 明確なビジネス目標
   • データパイプライン
   • ベースラインモデル
   • 予備的なインフラ

$$

1. 中期
   • より良いデータ
   • より良いモデル
   • より良いインフラ

$$

結論

$$

プロジェクトは成功

• 事業目標を達成
• 重要時に有益な情報を提供

$$

ただし

• 数回のダウンタイム
• アプリの効率化に失敗

$$

当社のMLOps成熟度

$$

レベル	説明	主要点
0	MLOpsなし	サイロ化、手作業プロセス
1	DevOpsのみ、MLOpsなし	サイロ化、自動データ収集、初期の自動テスト
2	学習の自動化	連携向上、再現性、展開が容易
3	展開の自動化	良好な連携、完全な再現性、追跡性、自動テスト
4	再学習の自動化	完全な連携、運用を熟知、ダウンタイム極小

¹ https://learn.microsoft.com/en-us/azure/architecture/example-scenario/mlops/mlops-maturity-model

練習しましょう！

ビジネスのための MLOps