मशीन लर्निंग ऑपरेशंस मार्केट २०३० तक प्रति वर्ष ४५१ टीपी ३ टी बढ़ने के लिए

एमएलओपी (मशीन लर्निंग ऑपरेशंस) का वैश्विक बाजार, समाधान जो डेटा वैज्ञानिकों को मशीन लर्निंग परिनियोजन प्रक्रियाओं को सरल और अनुकूलित करने में मदद करता है, २०३० तक लगभग ४५१ टीपी ३ टी की औसत वार्षिक वृद्धि होगी प्रक्षेपण अनुसंधान कंपनी वैल्यूएट्स रिपोर्ट्स द्वारा किया गया था, जो अनुमान लगाता है यूएस १ टीपी ४ टी १८६.४ मिलियन के खंड के मूल्यांकन में उछाल, २०२३ में हासिल किया गया, यूएस १ टीपी ४ टी ३.६ बीआई के लिए इस बाजार के गर्म होने का एक मुख्य कारण भविष्य कहनेवाला मॉडल के विकास के लिए शब्द की कमी हो सकती है कंपनी के विशेष मूल्य का मूल्यांकन दातार कंपनी के उपयोग में डेटा राहत हैएक सेवा के रूप में निर्णय”।

पारंपरिक तरीकों के साथ समान प्रणाली विकसित करने के लिए, उद्योग की जटिलता के आधार पर संगठनों को औसतन दो से तीन सप्ताह लगते हैं।  

“दूसरी ओर, एमएलओपी का उपयोग करके डेटा वैज्ञानिक पूरी निर्माण प्रक्रिया को स्वचालित कर सकता है सबसे पहले वह मॉडल के सभी प्रशिक्षण भाग को एक स्वचालित मशीन लर्निंग के माध्यम से करता है जो एल्गोरिदम का परीक्षण करता है यह देखने के लिए कि कौन सा सबसे अच्छा काम करता है इस समय, वैज्ञानिक भी कर सकता है, यदि वह चाहे तो एक कोड अपलोड करें जो उसके पास पहले से ही है और सभी दस्तावेजों और सभी कोडों को सहेजता है, इस प्रकार सभी डेटाबेस के दस्तावेज़ीकरण की सुरक्षा सुनिश्चित करता है एमएलओपी की सफलता इस तथ्य के कारण है कि वह इन सभी चरणों को मॉडल के निर्माता के साथ स्वयं जिम्मेदार होने और शुरुआत से अंत तक जाने के लिए आवश्यक सभी चीजों को हाथ में लेने के साथ समाप्त करता है वह कहते हैं, वह कहते हैं।

२०२४ में, डेटारिस्क ने बाजार में एक एमएलओपीएस समाधान लॉन्च किया, जो क्रेडिट अनुदान, धोखाधड़ी जोखिम, काम को बदलने की प्रवृत्ति, कृषि में उत्पादकता जैसी गतिविधियों में अग्रणी कंपनियों की सेवा करने पर केंद्रित था, दूसरों के बीच में केवल इस वर्ष की पहली छमाही के दौरान, उपकरण का उपयोग १० मिलियन से अधिक प्रश्नों की मात्रा को निष्पादित करने के लिए किया गया था और, इस तकनीक के उपयोगकर्ताओं द्वारा प्राप्त लाभों में से एक, सबसे बड़ी हाइलाइट्स में से एक ठीक समय की कमी थी स्टार्टअप एमएलओपीएस के साथ, तीन सप्ताह की औसत अवधि कुछ घंटों तक गिर गई।

कार्लोस रेलवास यह भी बताते हैं कि, इस पहले प्रशिक्षण के निर्माण के बाद, दूसरा चरण डेटारिस्क एमएलओपीएस प्लेटफॉर्म के भीतर ही प्रवेश करता है, जो वह हिस्सा है जिसमें वैज्ञानिक स्वचालित रूप से, स्वयं, बाहरी वातावरण में उपयोग किए जाने वाले मॉडल के लिए एपीआई बना सकता है तीसरा चरण, उनके अनुसार, समाधान का प्रबंधन है इस स्तर पर, यह सुनिश्चित करना है कि यह मॉडल जो विकसित किया गया है, प्रशिक्षित किया गया है और उपयोग किया जा रहा है, समय के साथ एक अच्छा प्रदर्शन जारी रखता है। “A टूल अपने अनुप्रयोगों के उपयोग और एपीआई के संचालन दोनों की निगरानी कर सकता है ताकि यह सुनिश्चित किया जा सके कि न केवल सब कुछ निर्धारित कार्यक्रम के अनुसार काम कर रहा है, बल्कि मॉडल की गुणवत्ता के माप को भी बदलने की अनुमति देता है, समाधान स्वयं बदल रहा है।

 बाजार की ग्रहणशीलता और डेटारिस्क द्वारा बनाई गई संभावनाएं कंपनी को 2025 के अंत तक इस समाधान के उपयोग की मात्रा से पांच गुना से अधिक की वृद्धि का अनुमान लगाने की अनुमति देती हैं।

डेटारिस्क के सह-संस्थापक और सीईओ, झोनाटा एमरिक बताते हैं कि ब्राजील में एमएलओपीएस अवधारणा में समाधान पेश करने में अग्रणी बनकर, स्टार्टअप अपने मुख्य व्यावसायिक थीसिस को परिपक्व करने और सही करने की रणनीति को व्यवहार में ला रहा है। “हम बाजार की जरूरतों को अधिक गहराई से समझते हैं और अब देश में डेटा विज्ञान की वास्तविकता को बिल्कुल प्रासंगिक तरीके से बदलने में सक्षम समाधान पेश करने के लिए तैयार हैं, वे कहते हैं।

एमरिक के अनुसार, पूर्वानुमानित मॉडल विकास के विशिष्ट मामले में, एमएलओपी समाधान एक ऐसे युग के लिए डिज़ाइन की गई समय लेने वाली आंतरिक प्रक्रियाओं की प्रतिक्रिया के रूप में उभरते हैं जब कंपनियों को वर्तमान में आवश्यक चपलता के साथ डेटा क्षेत्र का प्रबंधन नहीं करना पड़ता था।

“यह आम तौर पर आईटी कतार प्रणाली को अपनाया जाता है जिसमें डेटा विज्ञान क्षेत्र एक मॉडल बनाने को समाप्त करता है और एपीआई बनाने के लिए इंजीनियरिंग क्षेत्र में गुजरता है यह, बदले में, अपना हिस्सा करने के लिए एक महत्वपूर्ण समय लेगा, जब तब परियोजना क्रेडिट इंजन टीम को पारित करेगी, उदाहरण के लिए, ताकि यह अंत में इस एपीआई को लागू करे, जिससे अन्य समय सीमा हो जाएगी इसका परिणाम यह है कि जब मॉडल लागू किया जाता है, तो स्थिति पहले से ही अलग होती है इसलिए अनुकूलन के मामले में एमएलओपीएस समाधान इतना प्रभावी हो जाता है,ंबह निष्कर्ष निकाला।