पूरी तरह ऑटोमेटेड MLOps का परिचय

फ़ुली ऑटोमेटेड MLOps

Arturo Opsetmoen Amador

Senior Consultant - Machine Learning

औद्योगिक सेटिंग में MLOps

कंपनियाँ मशीन लर्निंग से आम तौर पर क्या लक्ष्य रखती हैं?

डेटा से काम लेने वाले ML टूल्स और प्रोडक्ट विकसित करें ताकि
- ग्राहकों की बेहतर सेवा कर सकें
- प्रक्रियाएँ ऑप्टिमाइज़ करें

एक चित्र जो दिखाता है कि कोई कंपनी मशीन लर्निंग सिस्टम से या तो आंतरिक प्रक्रियाएँ बेहतर कर सकती है या ग्राहक-सामने वाली सेवाएँ सुधार सकती है.

वैल्यू जनरेशन के लिए ऑप्टिमाइज़ करना

कंपनियों का लक्ष्य मुनाफा अधिकतम करना होता है

मशीन लर्निंग से लाभप्रदता बढ़ाई जा सकती है
लागत और राजस्व का विश्लेषण कर संभावित मुनाफा आँका जा सकता है
सही संख्या में ML यूज़-केस डिप्लॉय करने से मुनाफा हो सकता है

एक प्लॉट जिसमें एक कर्व दिखता है. x-अक्ष पर मशीन लर्निंग प्रोजेक्ट्स की संख्या. y-अक्ष पर उन प्रोजेक्ट्स से बना राजस्व. कर्व 6 प्रोजेक्ट्स और लगभग $25M राजस्व पर प्लेटो तक बढ़ता है. इसके बाद राजस्व घटता है और दोबारा नहीं बढ़ता.

सॉफ्टवेयर डेवलपमेंट में लागतें

पारंपरिक सॉफ्टवेयर डेवलपमेंट प्रोजेक्ट में अपेक्षित लागतें:

डेवलपमेंट कॉस्ट
प्रोजेक्ट मैनेजमेंट
UI/UX डिजाइन
क्वालिटी एश्योरेंस

सॉफ्टवेयर डेवलपमेंट में टेक्निकल डेब्ट

टेक्निकल डेब्ट या डिज़ाइन डेब्ट:

खराब डिज़ाइन से दोबारा काम की लागत

दो इंजीनियर एक खराब बनी इमारत के सामने. एक दूसरे से कहता है, "एक नई खिड़की जोड़ने में इतना समय क्यों लग रहा है, समझ नहीं आता."

¹ https://vincentdnl.com/drawings/

ML सिस्टम में छुपी टेक्निकल डेब्ट

Machine Learning: "टेक्निकल डेब्ट का हाई-इंटरेस्ट क्रेडिट कार्ड"[1].

छुपी हुई टेक्निकल डेब्ट इनसे जुड़ी हो सकती है:

ML मॉडल ट्रेन करने के लिए उपयोग किए गए डेटा
ML सिस्टम को चलाने वाले मॉडल
ML सिस्टम की इन्फ्रास्ट्रक्चर
ML सिस्टम की मॉनिटरिंग

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

मशीन लर्निंग प्रोजेक्ट्स की लागतें

ML सिस्टम में टेक्निकल डेब्ट से मुनाफे में कमी: $$ $$

दो आकृतियों की छवि, प्रत्येक में एक कर्व. पहली में अनुमानित राजस्व $25M है. दूसरी में यह घटकर $10M रह गया है.

टेक्निकल डेब्ट का हाई-इंटरेस्ट क्रेडिट कार्ड

ML सिस्टम जटिल हो सकते हैं और अनियंत्रित बन सकते हैं.

एक चित्र जो ML सिस्टम के कई कंपोनेंट दिखाता है. बीच में ML कोड एक छोटा हिस्सा है. उसके चारों ओर कॉन्फ़िगरेशन, डेटा कलेक्शन, डेटा वेलिडेशन, मशीन रिसोर्स मैनेजमेंट, सर्विंग इन्फ्रास्ट्रक्चर, मॉनिटरिंग, एनालिसिस टूल्स, प्रोसेस मैनेजमेंट टूल्स, फीचर एक्सट्रैक्शन हैं.

MLOps: चुकाने का सबसे बेहतर तरीका

यदि ML टेक्निकल डेब्ट का हाई-इंटरेस्ट क्रेडिट कार्ड है, तो MLOps उसे चुकाने का सबसे अच्छा तरीका है.

MLOps में शामिल हो सकता है:

ऑटोमेटेड टेस्टिंग
ऑटोमेटेड एक्सपेरिमेंट ट्रैकिंग
ऑटोमेटेड मॉनिटरिंग

टेक्निकल डेब्ट को न्यूनतम रखने के लिए

अभ्यास करते हैं!

फ़ुली ऑटोमेटेड MLOps