Affärsutmaningar och risker med MLOps

MLOps för företag

Arne Jonas Warnke

Head of Emerging Curriculum

Agenda för kapitel 3

Video Affärsutmaningar och risker med MLOps:

  • Affärsutmaningar och risker med MLOps

$$

Video Hur MLOps-team arbetar framgångsrikt:

  • Hur MLOps-team arbetar framgångsrikt

$$

Video MLOps i dag

  • MLOps i dag
MLOps för företag

MLOps är utmanande

$$ Många företag har svårt

  • Att driftsätta
  • Att automatisera design och utveckling
  • Att effektivisera och skala

sina ML-användningsfall

$$

Utmaning

MLOps för företag

MLOps kräver breda kompetenser

MLOps ligger i skärningspunkten mellan maskininlärning, datateknik och mjukvaruutveckling

MLOps för företag

MLOps-utmaningar: kompetens

Team saknar ofta

  • Vissa nödvändiga kompetenser
    • Ofta inom mjukvaruutveckling

$$

Det kan leda till

  • Teknisk skuld
  • Bristande standardisering
  • Otillräcklig reproducerbarhet

Personer som samarbetar för att lösa ett pussel

MLOps för företag

MLOps-utmaningar: samarbete och kultur

Samarbete är avgörande för att säkerställa

  • Att statistiska mätvärden och verksamhetsmål är i linje
  • Att alla intressenter förstår hur MLOps-team arbetar

$$

Kultur och vanor präglade av

  • Kontinuerligt lärande
  • Acceptans för att misslyckanden sker
  • Dokumentation och kunskapsdelning

$$

Personer som samarbetar framför en dator

MLOps för företag

MLOps-utmaningar: teknik

Tekniken

  • Utvecklas snabbt
  • Ingen gemensam MLOps-verktygsstack
    • Olika team använder vitt skilda tekniska ansatser
    • Få allmänt accepterade bästa praxis kring teknik

$$

Vanligt misstag

  • Överbetoning på teknik

$$ Ett intelligent nätverksdiagram

MLOps för företag

MLOps-utmaningar: risker

Risker med att driftsätta maskininlärningsmodeller:

  • Affärsmässiga och finansiella risker
    • Applikationen/modellen kanske inte är tillgänglig
    • Prediktionskvaliteten kan försämras
    • Underhållsrisk
  • Styrningsrisker
    • Prediktioner kan slå helt fel
    • Möjlig bias
  • (Cyber-)säkerhetsrisker

$$

En illustration av olika risker

MLOps för företag

Traditionella mjukvaruprojekt vs. MLOps

Traditionell mjukvara

  • Testning, felsökning ...

MLOps

  • Testning, felsökning ...
  • Dataövervakning
  • Övervakning av modellutdata
  • ...

$$ En person som skriver kod

$$ En hybrid människa-robot som skriver kod

MLOps för företag

Nu kör vi en övning!

MLOps för företag

Preparing Video For Download...