MLOps 案例研究：用 MLOps 提升利润

面向业务的 MLOps

Arne Jonas Warnke

Head of Emerging Curriculum

真实案例研究

$$

$$

案例研究

$$

• 真实场景
• 汇总所学

案例：冷却水需求与可用性

$$

业务问题：

预测未来两周冷却水的需求与可用量

为潜在生产瓶颈做准备。

$$

冷却水建模

$$

冷却水预测覆盖

• 按小时
• 未来两周

$$

24 小时 * 14 天 = 336 次预测（每小时）

$$

在仪表板展示

• 面向管理层与工程师

冷却水建模

$$

基于预测

• 内部数据
  • 传感器
  • 生产计划

$$

• 外部数据
  • 天气预报

$$

团队

$$

团队构成：

• 数据科学家
• 数据工程师
• 数据架构师
• 后端工程师（部分参与）

无软件工程师

协作

$$

$$

协作

$$

• 开发与运维不分离
• 自主
• 快速应对突发事件

项目推进

1. 初始数周
   • 明确业务目标
   • 数据流水线
   • 基线模型

$$

1. 中期
   • 更好的数据
   • 更好的模型

$$

项目推进——基础设施

1. 初始数周
   • 明确业务目标
   • 数据流水线
   • 基线模型
   • 预备性基础设施

$$

1. 中期
   • 更好的数据
   • 更好的模型
   • 更好的基础设施

$$

结论

$$

项目取得成功

• 达成业务目标
• 关键时期提供有价值信息

$$

但

• 存在少量停机
• 应用未能顺畅优化

$$

我们的 MLOps 成熟度

$$

级别	描述	要点
0	无 MLOps	团队割裂，手动流程
1	仅 DevOps 无 MLOps	团队割裂，自动采集数据，初步自动化测试
2	训练自动化	更好协作、可复现、更易部署
3	部署自动化	良好协作、完全可复现、可追踪、自动化测试
4	重新训练自动化	完全协作，精通运维，极少停机

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

Passons à la pratique !

面向业务的 MLOps