全自动 MLOps 简介

Fully Automated MLOps

Arturo Opsetmoen Amador

Senior Consultant - Machine Learning

工业场景下的 MLOps

企业使用机器学习的常见目标是什么？

展示企业如何用 ML 提升内部流程或改进面向客户服务的图片。

公司目标是最大化利润

一幅曲线图。x 轴为 ML 项目数量，y 轴为项目产生的收入。曲线上升至约 6 个项目、约 2500 万收入处达平台期；之后收入下降且不再上升。

传统软件开发项目的预期成本：

技术债或设计债：

两位工程师站在一座建得很差的房子前。一个对另一个说："我不明白为什么加个新窗户要花这么久。"

¹ https://vincentdnl.com/drawings/

机器学习："技术债的高息信用卡"[1]。

隐藏的技术债可能来自：

¹ https://research.google/pubs/pub43146/

技术债会降低 ML 系统的利润： $$ $$

两幅图各有一条曲线。第一幅估算收入为 2500 万美元。第二幅收入降至 1000 万美元。

ML 系统复杂，易失控。

展示 ML 系统众多组件的图片。中心是少量 ML 代码。周围有配置、数据收集、数据验证、资源管理、服务基础设施、监控、分析工具、流程管理工具、特征提取。

如果 ML 是技术债的高息信用卡，MLOps 就是最佳还款方式。

MLOps 可包括：

以尽量降低技术债

Fully Automated MLOps