บทบาทใน MLOps

แนวคิด MLOps

Folkert Stijnman

ML Engineer

วงจรชีวิต machine learning

• บทบาทด้านธุรกิจ
• บทบาทด้านเทคนิค

บทบาทด้านธุรกิจ

• ผู้มีส่วนได้ส่วนเสียทางธุรกิจ
• ผู้เชี่ยวชาญเฉพาะด้าน

บทบาทด้านธุรกิจ: ผู้มีส่วนได้ส่วนเสียทางธุรกิจ

• ตัดสินใจด้านงบประมาณ
• กำหนดทิศทางของบริษัท
• มีส่วนร่วมตลอดวงจรชีวิต

บทบาทด้านธุรกิจ: ผู้เชี่ยวชาญเฉพาะด้าน

• ความรู้เฉพาะด้าน
• มีส่วนร่วมตลอดวงจรชีวิต
• ตีความและตรวจสอบข้อมูล

บทบาทด้านเทคนิค

• Data scientist
• Data engineer
• ML engineer

บทบาทด้านเทคนิค: data scientist

• วิเคราะห์ข้อมูล
• ฝึกและประเมินโมเดล

บทบาทด้านเทคนิค: data engineer

• เก็บรวบรวม จัดเก็บ และประมวลผลข้อมูล
• ตรวจสอบและรักษาคุณภาพข้อมูล

บทบาทด้านเทคนิค: ML engineer

• บทบาทที่ยืดหยุ่นหลากหลาย
• ออกแบบมาสำหรับวงจรชีวิต machine learning ทั้งหมดโดยเฉพาะ

บทบาทอื่น ๆ ที่เกี่ยวข้องกับ ML

• Data analyst, developer, software engineer, backend engineer
• ความรับผิดชอบของแต่ละบทบาทอาจแตกต่างกันตามการนำ machine learning ไปใช้
• สตาร์ทอัพแตกต่างจากองค์กรขนาดใหญ่

มาฝึกกันเถอะ!

แนวคิด MLOps