บทนำสู่ MLOps แบบอัตโนมัติเต็มรูปแบบ

MLOps แบบอัตโนมัติเต็มรูปแบบ

Arturo Opsetmoen Amador

Senior Consultant - Machine Learning

MLOps ในบริบทอุตสาหกรรม

เป้าหมายทั่วไปของบริษัทเมื่อนำ machine learning มาใช้คืออะไร?

  • พัฒนาเครื่องมือและผลิตภัณฑ์ ML ที่ใช้ข้อมูลเพื่อ
    • ให้บริการลูกค้าได้ดียิ่งขึ้น
    • ปรับกระบวนการให้มีประสิทธิภาพ

ภาพแสดงการใช้ระบบ machine learning ของบริษัทเพื่อปรับปรุงกระบวนการภายในหรือยกระดับการให้บริการลูกค้า

MLOps แบบอัตโนมัติเต็มรูปแบบ

การสร้างมูลค่าให้ได้สูงสุด

บริษัทมุ่งเพิ่มผลกำไรสูงสุด

  • Machine learning ช่วยเพิ่มความสามารถในการทำกำไรได้
  • การวิเคราะห์ต้นทุนและรายได้ช่วยให้ประมาณกำไรที่เป็นไปได้
  • การนำ use-case ของ ML ในจำนวนที่เหมาะสมมาใช้งานส่งผลให้เกิดกำไร

กราฟแสดงเส้นโค้ง แกน x คือจำนวนโปรเจกต์ machine learning แกน y คือรายได้จากโปรเจกต์ เส้นโค้งเพิ่มขึ้นจนถึงจุดคงที่ที่ 6 โปรเจกต์และรายได้ประมาณ 25 ล้าน จากนั้นรายได้ลดลงโดยไม่กลับขึ้นอีก

MLOps แบบอัตโนมัติเต็มรูปแบบ

ต้นทุนในการพัฒนาซอฟต์แวร์

ต้นทุนที่คาดหวังในโปรเจกต์พัฒนาซอฟต์แวร์แบบดั้งเดิม:

  • ต้นทุนการพัฒนา
  • การจัดการโปรเจกต์
  • การออกแบบ UI/UX
  • การประกันคุณภาพ
MLOps แบบอัตโนมัติเต็มรูปแบบ

หนี้ทางเทคนิคในการพัฒนาซอฟต์แวร์

หนี้ทางเทคนิค (technical debt) หรือหนี้ด้านการออกแบบ:

  • ต้นทุนการแก้ไขงานที่เกิดจากการออกแบบที่ไม่ดี

ภาพวิศวกรสองคนยืนหน้าบ้านที่สร้างผิดพลาด คนหนึ่งพูดกับอีกคนว่า "ไม่เข้าใจเลยว่าทำไมการเพิ่มหน้าต่างถึงใช้เวลานานขนาดนี้"

1 https://vincentdnl.com/drawings/
MLOps แบบอัตโนมัติเต็มรูปแบบ

หนี้ทางเทคนิคที่ซ่อนอยู่ในระบบ ML

Machine Learning: "บัตรเครดิตดอกเบี้ยสูงของหนี้ทางเทคนิค"[1]

หนี้ทางเทคนิคที่ซ่อนอยู่อาจเกี่ยวข้องกับ:

  1. ข้อมูลที่ใช้ฝึกโมเดล ML
  2. โมเดลที่ขับเคลื่อนระบบ ML
  3. โครงสร้างพื้นฐานที่ระบบ ML ใช้งาน
  4. การตรวจสอบระบบ ML
1 https://research.google/pubs/pub43146/
MLOps แบบอัตโนมัติเต็มรูปแบบ

ต้นทุนของโปรเจกต์ machine learning

กำไรที่ลดลงเนื่องจากหนี้ทางเทคนิคในระบบ ML: $$ $$

ภาพแสดงกราฟสองรูป รูปแรกคำนวณรายได้โดยประมาณที่ $25M รูปที่สองรายได้ลดลงเหลือ $10M

MLOps แบบอัตโนมัติเต็มรูปแบบ

บัตรเครดิตดอกเบี้ยสูงของหนี้ทางเทคนิค

ระบบ ML มีความซับซ้อนและอาจยากต่อการควบคุม

ภาพแสดงองค์ประกอบต่าง ๆ ของระบบ ML โค้ด ML เป็นส่วนเล็ก ๆ ตรงกลาง รายล้อมด้วย configuration, data collection, data validation, machine resource management, serving infrastructure, monitoring, analysis tools, process management tools และ feature extraction

MLOps แบบอัตโนมัติเต็มรูปแบบ

MLOps: วิธีที่รู้จักกันดีที่สุดในการชำระหนี้

ถ้า ML คือบัตรเครดิตดอกเบี้ยสูงของหนี้ทางเทคนิค MLOps ก็คือวิธีที่ดีที่สุดในการชำระหนี้นั้น

MLOps ประกอบด้วย:

  • การทดสอบอัตโนมัติ
  • การติดตามการทดลองอัตโนมัติ
  • การตรวจสอบอัตโนมัติ

เพื่อให้หนี้ทางเทคนิคอยู่ในระดับต่ำสุด

MLOps แบบอัตโนมัติเต็มรูปแบบ

มาฝึกกันเถอะ!

MLOps แบบอัตโนมัติเต็มรูปแบบ

Preparing Video For Download...