שוק ה-MLOps (פעולות למידת מכונה) הגלובלי, פתרונות המסייעים למדעני נתונים לפשט ולייעל תהליכי פריסה של למידת מכונה, יהיה גידול ממוצע שנתי של כמעט 45% עד 2030. התחזית נעשתה על ידי חברת המחקר Valuates Reports, שמעריך קפיצה בהערכה של הסקטור ב-186 דולר,4 מיליון, הושג בשנת 2023, ל-3 דולר אמריקאי.6 בי. אחת הסיבות העיקריות להתחממות השוק הזה עשויה להיות הקיצור בזמן לפיתוח מודלים חיזוי. ההערכה היא של קרלוס רלוואס, ראש מדע הנתונים של דטריסק, חברה המתמחה בשימוש בבינה מלאכותית ליצירת ערך במושג "החלטה כשירות
לפי דבריו, כדי לפתח מערכות דומות עם השיטות המסורתיות, הארגונים לוקחים בממוצע בין שבועיים לשלושה שבועות, תלוי במורכבות של התחום.
בעקבות זאת, בשימוש ב-MLOps, מדען הנתונים יכול לאוטומט את כל תהליך היצירה. ראשית הוא מבצע את כל חלק האימון של המודל באמצעות למידת מכונה אוטומטית שבודקת אלגוריתמים כדי לראות איזה מהם עובד הכי טוב. ברגע זה, המדען גם מצליח, אם תרצה, להעלות קוד שכבר יש לו ולשמור את כל המסמכים ואת כל הקודים, כך מבטיחים את הגנת התיעוד של כל בסיסי הנתונים. ההצלחה של MLOps נובעת מהעובדה שהוא מסלק את כל השלבים הללו כאשר יוצר המודל הוא עצמו אחראי ויש לו ביד את כל מה שהוא צריך כדי לעבור מההתחלה ועד הסוף של הפרויקט, אומר
ב-2024, דאטאריסק השיקה לשוק פתרון MLOps המתמקד בשירות חברות מובילות בפעילויות כמו מתן אשראי, סיכון להונאות, נטייה לשינוי עבודה, פרודוקטיביות בחקלאות, בין היתר. רק במהלך המחצית הראשונה של השנה הזו, הכלי שימש לביצוע של יותר מ-10 מיליון שאילתות ו, בין היתרונות שהושגו על ידי המשתמשים בטכנולוגיה זו, אחד מהדגשים הגדולים היה בדיוק צמצום הזמן. עם ה-MLOps של הסטארטאפ, הזמן הממוצע של שלושה שבועות ירד לשאלה של שעות
קרלוס רלוואס מסביר גם ש, אחרי שהאימון הראשון הזה נבנה, נכנסת שלב שני בתוך הפלטפורמה עצמה MLOps של Datarisk שהוא החלק שבו המדען יכול באופן אוטומטי, הוא עצמו, ליצור API כדי שהמודל יוכל לשמש בסביבות חיצוניות. השלב השלישי, לפי מה שהוא אומר, זו ניהול הפתרון. בשלב הזה, המטרה היא להבטיח שהמודל הזה שפותח, מאומן ונעשה בו שימוש המשך להציג ביצועים טובים לאורך זמן. הכלי יכול לנטר הן את השימוש ביישומים שלך והן את פעולת ה-APIs כדי להבטיח שלא רק שהכל פועל כפי שמתוכנן, אך גם לאפשר את בדיקת איכות המודל. הפתרון מאפשר את הבדיקה, למשל, אם יש משתנה כלשהו ששינה את עצמו לאורך הזמן ומנפיק התראות למשתמש הסופי במקרה שהמודל מאבד ביצועים, אומר
הקבלה של השוק והחיפושים שהדאטאריסק עשתה מאפשרים לחברה לתכנן צמיחה של יותר מחמש פעמים את נפח השימוש בפתרון הזה עד סוף 2025
המייסד המשותף והמנכ"ל של דטאריסק, ג'ונתן אמריק, הסבר שכאשר היא הפכה לחלוצה בהצעת פתרונות במושג MLOps בברזיל, הסטארטאפ מיישם את האסטרטגיה לבגרות ולשיפור התזה העסקית המרכזית שלו. "אנחנו מבינים לעומק את הצרכים של השוק ועכשיו אנחנו מוכנים להציע פתרונות שיכולים לשנות בצורה רלוונטית לחלוטין את המציאות של מדע הנתונים בארץ", אומר
על פי אמריק, במקרה הספציפי של פיתוח מודלים חיזוי, הפתרונות MLOps צצים כתגובה לתהליכים פנימיים איטיים שנועדו לעידן שבו חברות לא היו צריכות לנהל תחום נתונים עם הגמישות הנדרשת כיום
בדרך כלל מאמצים את מערכות התורים של טכנולוגיות המידע שבהן תחום מדע הנתונים מסיים לבנות מודל ומעביר לתחום ההנדסה ליצור API. זאת, מנגד, זה ייקח זמן משמעותי לעשות את החלק שלך, מתי אז יעבור הפרויקט לצוות מנוע האשראי, למשל, כדי שהוא סוף סוף ייישם את ה-API הזה, מה שיביא למועדים אחרים. התוצאה היא ש, כאשר המודל מיושם, המצב כבר שונה. לכן פתרון ה-MLOps הופך להיות כל כך יעיל בתחום האופטימיזציה, סיים
