Бізнес-виклики та ризики, пов'язані з MLOps

MLOps для бізнесу

Arne Jonas Warnke

Head of Emerging Curriculum

Порядок денний розділу 3

Відео Business challenges and risks related to MLOps:

Відео How MLOps teams successfully operate:

Відео The state of MLOps today

$$ Багато компаній мають труднощі

своїх ML-кейсів

Виклик

MLOps на перетині Machine Learning, Data Engineering та Software Engineering

Командам часто бракує

Це може призвести до

Люди спільно розв'язують пазл

Співпраця критично важлива, щоб

Культура та звички

Люди співпрацюють перед комп'ютером

Технології

Швидко змінюються
Немає спільного стеку інструментів MLOps
- Різні команди застосовують дуже різні підходи
- Мало загальновизнаних технічних практик

Типова помилка

$$ Інтелектуальний граф мережі

Ризики експлуатації моделей машинного навчання:

Бізнесові та фінансові ризики
- Застосунок/модель може бути недоступною
- Якість передбачень може погіршитися
- Ризики супроводу
Ризики управління
- Передбачення може бути зовсім хибним
- Можлива упередженість
Ризики (кібер)безпеки

Ілюстрація різних ризиків

Традиційне ПЗ

MLOps

$$ Людина пише код

$$ Гібрид людини й робота пише код

MLOps для бізнесу