กรณีศึกษา MLOps: เพิ่มผลกำไรด้วย MLOps

MLOps สำหรับธุรกิจ

Arne Jonas Warnke

Head of Emerging Curriculum

กรณีศึกษาจากสถานการณ์จริง

คำถามทางธุรกิจ:

พยากรณ์ปริมาณน้ำหล่อเย็นที่ ต้องการ และ มีอยู่ ในอีก 2 สัปดาห์ข้างหน้า

เพื่อรับมือกับคอขวดที่อาจเกิดขึ้น

พยากรณ์น้ำหล่อเย็น ล่วงหน้า

24 ชั่วโมง * 14 วัน = 336 การพยากรณ์ (ต่อชั่วโมง)

แสดงผลบนแดชบอร์ด

การพยากรณ์ อิงจาก

องค์ประกอบของทีม:

ไม่มี software engineer

ช่วงสัปดาห์แรก
- กำหนดเป้าหมายทางธุรกิจที่ชัดเจน
- Data pipeline
- โมเดล baseline

ช่วงสัปดาห์แรก
- กำหนดเป้าหมายทางธุรกิจที่ชัดเจน
- Data pipeline
- โมเดล baseline
- โครงสร้างพื้นฐานเบื้องต้น

โปรเจกต์ประสบความสำเร็จ

อย่างไรก็ตาม

ระดับ	คำอธิบาย	จุดเด่น
0	ไม่มี MLOps	ทีมแยกส่วน, กระบวนการ manual
1	DevOps แต่ไม่มี MLOps	ทีมแยกส่วน, รวบรวมข้อมูลอัตโนมัติ, เริ่มทดสอบอัตโนมัติ
2	Training อัตโนมัติ	ทำงานร่วมกันดีขึ้น, reproducibility, deploy ง่ายขึ้น
3	Deployment อัตโนมัติ	ทำงานร่วมกันดี, reproducibility เต็มรูปแบบ, traceability, ทดสอบอัตโนมัติ
4	Re-training อัตโนมัติ	ทำงานร่วมกันอย่างเต็มที่, ควบคุม operations ได้ดี, ระบบหยุดทำงานน้อยมาก

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

MLOps สำหรับธุรกิจ