Кейс MLOps: збільшення прибутку завдяки MLOps

MLOps для бізнесу

Arne Jonas Warnke

Head of Emerging Curriculum

Реальне кейс-стаді

$$

$$

Кейс-стаді

$$

  • Реальний приклад
  • Щоб підсумувати все
MLOps для бізнесу

Кейс: попит і наявність охолоджувальної води

$$

Бізнес-запитання:

Прогнозувати обсяги охолоджувальної води, які потрібні та доступні на наступні два тижні

Щоб підготуватися до можливих вузьких місць у постачанні.

$$

MLOps для бізнесу

Моделювання охолоджувальної води

$$

Прогноз охолоджувальної води для

  • щогодинної шкали
  • наступних двох тижнів

$$

24 години * 14 днів = 336 прогнозів (щогодини)

$$

Подано на дашборді

  • для менеджменту та інженерів
MLOps для бізнесу

Моделювання охолоджувальної води

$$

Прогноз на основі

  • Внутрішніх даних
    • Датчики
    • Планування виробництва

$$

  • Зовнішніх даних
    • Прогнозу погоди

$$

MLOps для бізнесу

Команда

$$

Склад команди:

  • Дата-сайєнтист
  • Інженер даних
  • Архітектор даних
  • Backend-інженер (епізодично)

Без software-інженера

MLOps для бізнесу

Співпраця

$$

$$

Співпраця

$$

  • Без розмежування розробки та експлуатації
  • Автономність
  • Швидка реакція на непередбачувані події
MLOps для бізнесу

Хід проєкту

  1. Перші тижні
    • Чітка бізнес-мета
    • Конвеєри даних
    • Базова модель

$$

  1. Середній етап
    • Кращі дані
    • Краща модель

$$

MLOps для бізнесу

Хід проєкту — інфраструктура

  1. Перші тижні
    • Чітка бізнес-мета
    • Конвеєри даних
    • Базова модель
    • Початкова інфраструктура

$$

  1. Середній етап
    • Кращі дані
    • Краща модель
    • Краща інфраструктура

$$

Лого GitLab

MLOps для бізнесу

Висновок

$$

Проєкт виявився успішним

  • Досягнуто бізнес-цілей
  • Цінна інформація у критичні періоди

$$

Але

  • кілька простоїв
  • не вдалося оптимізувати застосунок

$$

MLOps для бізнесу

Наша зрілість у MLOps

$$

Рівень Опис Ключове
0 Без MLOps Ізольовані команди, ручні процеси
1 DevOps без MLOps Ізольовані команди, автоматичне збирання даних, перші автоматичні тести
2 Автоматизоване тренування Краща співпраця, відтворюваність, простіший деплой
3 Автоматизований деплой Хороша співпраця, повна відтворюваність, трасованість, автоматизоване тестування
4 Автоматичне перенавчання Повна співпраця, зрілі операції, дуже мало простоїв
1 https://learn.microsoft.com/en-us/azure/architecture/example-scenario/mlops/mlops-maturity-model
MLOps для бізнесу

Давайте потренуємось!

MLOps для бізнесу

Preparing Video For Download...