Případová studie MLOps: Zvýšení zisku pomocí MLOps

MLOps for Business

Arne Jonas Warnke

Head of Emerging Curriculum

Případová studie z praxe

$$

$$

Případová studie

$$

  • Ze skutečné praxe
  • Shrnutí všeho dohromady
MLOps for Business

Případová studie: poptávka a dostupnost chladicí vody

$$

Obchodní otázka:

Předpovědět množství chladicí vody potřebné a dostupné v příštích dvou týdnech

Příprava na potenciální výrobní úzká místa.

$$

MLOps for Business

Modelování chladicí vody

$$

Předpověď chladicí vody

  • po hodinách
  • na příštích čtrnáct dní

$$

24 hodin * 14 dní = 336 prognóz (každou hodinu)

$$

Zobrazeno v dashboardu

  • pro management a inženýry
MLOps for Business

Modelování chladicí vody

$$

Prognóza na základě

  • Interních dat
    • Senzory
    • Plánování výroby

$$

  • Externích dat
    • Předpověď počasí

$$

MLOps for Business

Tým

$$

Složení týmu:

  • Datový vědec
  • Datový inženýr
  • Datový architekt
  • Backend inženýr (příležitostně)

Bez softwarového inženýra

MLOps for Business

Spolupráce

$$

$$

Spolupráce

$$

  • Žádné oddělení vývoje a provozu
  • Autonomní
  • Rychlá reakce na nepředvídané události
MLOps for Business

Průběh projektu

  1. Úvodní týdny
    • Jasný obchodní cíl
    • Datové pipeline
    • Základní model

$$

  1. Střednědobý horizont
    • Lepší data
    • Lepší model

$$

MLOps for Business

Průběh projektu – infrastruktura

  1. Úvodní týdny
    • Jasný obchodní cíl
    • Datové pipeline
    • Základní model
    • Předběžná infrastruktura

$$

  1. Střednědobý horizont
    • Lepší data
    • Lepší model
    • Lepší infrastruktura

$$

Logo GitLab

MLOps for Business

Závěr

$$

Projekt byl úspěšný

  • Obchodní cíle splněny
  • Cenné informace v kritických chvílích

$$

Ale

  • několik výpadků
  • nepodařilo se optimalizovat aplikaci

$$

MLOps for Business

Naše vyspělost MLOps

$$

Úroveň Popis Klíčové vlastnosti
0 Bez MLOps Izolované týmy, ruční procesy
1 DevOps bez MLOps Izolované týmy, automatický sběr dat, první automatické testy
2 Automatizovaný trénink Lepší spolupráce, reprodukovatelnost, snazší nasazení
3 Automatizované nasazení Dobrá spolupráce, plná reprodukovatelnost, sledovatelnost, automatické testování
4 Automatizovaný přetrénink Plná spolupráce, zvládnutí provozu, minimální výpadky
1 https://learn.microsoft.com/en-us/azure/architecture/example-scenario/mlops/mlops-maturity-model
MLOps for Business

Pojďme si procvičit!

MLOps for Business

Preparing Video For Download...