Die globale MLOps (Machine Learning Operations) mark, oplossings wat datawetenskaplikes help om masjienleer implementeringsprosesse te vereenvoudig en te optimaliseer, sal 'n gemiddelde jaarlikse groei van byna 45% tot 2030. Die projektering is gemaak deur die navorsingsmaatskappy Valuates Reports, wat 'n sprong in die waardering van die segment van US$ 186 skat,4 miljoen, bereik in 2023, vir US$ 3.6 bi. Een van die hoofredes vir die verhitting van hierdie mark kan wees die verkorting van die tydperk vir die ontwikkeling van voorspellende modelle. Die evaluering is van Carlos Relvas, Hoofdatawetenskaplike van Datarisk, maatskappy gespesialiseerd in die gebruik van kunsmatige intelligensie om waarde te genereer in die konsep "besluit as 'n diens
Volgens hom, om soortgelyke stelsels te ontwikkel met die tradisionele metodes, organisasies neem 'n gemiddelde van twee tot drie weke, afhangende van die kompleksiteit van die sektor.
"In teenwoordigheid", deur die MLOps te gebruik, kan die datawetenskaplike die hele skeppingsproses outomatiseer. Eerst doen hy die hele deel van die modelopleiding deur middel van 'n outomatiese masjienleer wat algoritmes toets om te sien watter een die beste werk. Op hierdie oomblik, die wetenskaplike kan ook, as jy wil, laai 'n kode op wat hy reeds het en stoor al die dokumente en al die kodes, sodat so die beskerming van die dokumentasie van al die databasisse. Die sukses van MLOps is te danke aan die feit dat dit al hierdie stappe verwyder met die eie skepper van die model wat self verantwoordelik is en alles in hande het wat nodig is om van die begin tot die einde van die projek te gaan, bevestig
In 2024, Datarisk het 'n MLOps-oplossing op die mark bekendgestel wat gefokus is op die ondersteuning van maatskappye wat 'n leidende rol speel in aktiwiteite soos kredietverlening, risiko van bedrog, geneigdheid om van werk te verander, produksie in die landbou, onder andere. Slegs gedurende die eerste helfte van hierdie jaar, die hulpmiddel is gebruik om 'n volume van meer as 10 miljoen navrae te doen en, tussen die voordele wat deur die gebruikers van hierdie tegnologie verkry word, een van die grootste hoogtepunte was juis die vermindering van tyd. Met die MLOps van die startup, die gemiddelde tydperk van drie weke het tot 'n kwessie van ure gedaal
Carlos Relvas verduidelik ook dat, nadat hierdie eerste opleiding gebou is, kom 'n tweede fase binne die MLOps-platform van Datarisk wat die deel is waar die wetenskaplike outomaties kan, hy homself, skep 'n API sodat die model in eksterne omgewings gebruik kan word. Die derde fase, volgens hom, dit is die bestuur van die oplossing. In hierdie fase, die doel is om te verseker dat hierdie model wat ontwikkel is, opgeleide en word gebruik gemaak daarvan om 'n goeie prestasie oor tyd te hou. Die hulpmiddel kan sowel die gebruik van jou toepassings as die werking van die API's monitor om te verseker dat alles nie net werk soos beplan, maar ook die kwaliteit van die model te meet. Die oplossing maak die verifikasie moontlik, byvoorbeeld, as daar 'n veranderlike is wat oor tyd verander het en waarskuwings aan die eindgebruiker stuur indien die model prestasie verloor, bevestig
Die markontvangs en die prospekte wat Datarisk gedoen het, stel die maatskappy in staat om 'n groei van meer as vyf keer die volume van die gebruik van hierdie oplossing teen die einde van 2025 te projekteer
Die medestigter en uitvoerende hoof van Datarisk, Jhonata Emerick, verduidelik dat dit 'n pionier geword het in die aanbod van oplossings in die MLOps-konsep in Brasilië, 'n startup is besig om die strategie te implementeer om sy hoof besigheidsteorieë te verouder en te verbeter. "Ons verstaan die behoeftes van die mark beter en is nou voorbereid om oplossings aan te bied wat die werklikheid van datawetenskap in die land op 'n absoluut relevante manier kan transformeer", sê
Volgens Emerick, in die spesifieke geval van die ontwikkeling van voorspellende modelle, MLOps-oplossings ontstaan as 'n antwoord op traag interne prosesse wat ontwerp is vir 'n tydperk toe maatskappye nie 'n datagebied met die spoed moes bestuur wat tans vereis word
Gewoonlik word TI-rye stelsels aangeneem waar die datawetenskapgebied 'n model voltooi en dit aan die ingenieursgebied oorhandig om 'n API te skep. Dit, op sy beurt, dit sal 'n beduidende tyd neem om jou deel te doen, wanneer sal die projek dan na die kredietmotor span oorgedra word, byvoorbeeld, sodat hy uiteindelik hierdie API implementeer, wat sal lei tot ander sperdatums. Die resultaat is dat, wanneer die model geïmplementeer word, die situasie is al anders. Daarom word die MLOps-oplossing so effektief in die opsig van optimalisering, voltooi
