Étude de cas MLOps : accroître les profits avec MLOps

MLOps pour les affaires

Arne Jonas Warnke

Head of Emerging Curriculum

Étude de cas réelle

$$

$$

Étude de cas

$$

  • Cas réel
  • Pour tout rassembler
MLOps pour les affaires

Étude de cas : demande et disponibilité d'eau de refroidissement

$$

Question d'affaires :

Prédire la quantité d'eau de refroidissement requise et disponible pour les deux prochaines semaines

Se préparer aux goulots d'étranglement potentiels.

$$

MLOps pour les affaires

Modéliser l'eau de refroidissement

$$

Prédire l'eau de refroidissement sur

  • une base horaire
  • les deux prochaines semaines

$$

24 heures * 14 jours = 336 prévisions (chaque heure)

$$

Présenté dans un tableau de bord

  • à la direction et aux ingénieur·e·s
MLOps pour les affaires

Modéliser l'eau de refroidissement

$$

Prévisions fondées sur

  • Données internes
    • Capteurs
    • Planification de la production

$$

  • Données externes
    • Prévisions météo

$$

MLOps pour les affaires

L'équipe

$$

Composition de l'équipe :

  • Scientifique des données
  • Ingénieur·e de données
  • Architecte de données
  • Ingénieur·e backend (ponctuel)

Aucun·e ingénieur·e logiciel

MLOps pour les affaires

Collaboration

$$

$$

Collaboration

$$

  • Aucune séparation entre développement et opérations
  • Autonome
  • Réaction rapide aux imprévus
MLOps pour les affaires

Progression du projet

  1. Semaines initiales
    • Objectif d'affaires clair
    • Pipelines de données
    • Modèle de référence

$$

  1. Moyen terme
    • Meilleures données
    • Meilleur modèle

$$

MLOps pour les affaires

Progression du projet – infrastructure

  1. Semaines initiales
    • Objectif d'affaires clair
    • Pipelines de données
    • Modèle de référence
    • Infrastructure préliminaire

$$

  1. Moyen terme
    • Meilleures données
    • Meilleur modèle
    • Meilleure infrastructure

$$

Logo GitLab

MLOps pour les affaires

Conclusion

$$

Projet réussi

  • Objectifs d'affaires atteints
  • Information précieuse en période critique

$$

Mais

  • quelques interruptions
  • échec à simplifier l'application

$$

MLOps pour les affaires

Notre maturité MLOps

$$

Niveau Description Faits saillants
0 Aucun MLOps Équipes en silos, processus manuels
1 DevOps sans MLOps Équipes en silos, collecte de données automatisée, premiers tests automatiques
2 Entraînement automatisé Meilleure collaboration, reproductibilité, déploiement plus facile
3 Déploiement automatisé Bonne collaboration, pleine reproductibilité, traçabilité, tests automatisés
4 Réentraînement automatisé Collaboration complète, maîtrise des opérations, très peu d'interruptions
1 https://learn.microsoft.com/en-us/azure/architecture/example-scenario/mlops/mlops-maturity-model
MLOps pour les affaires

Passons à la pratique !

MLOps pour les affaires

Preparing Video For Download...