Globalno tržište MLOps-a (Operacije mašinskog učenja), rješenja koja pomažu znanstvenicima podataka da pojednostave i optimiziraju procese implementacije strojnog učenja, imati će prosječni godišnji rast od gotovo 45% do 2030. godine. Projekciju je napravila istraživačka tvrtka Valuates Reports, koji procjenjuje skok u valorizaciji segmenta od 186 USD,4 milijuna, postignut u 2023, za 3 USD.6 bi. Jedan od glavnih razloga za zagrijavanje ovog tržišta može biti smanjenje vremena za razvoj prediktivnih modela. Procjena je od Carlosa Relvasa, Glavni podatkovni znanstvenik Datariska, tvrtka specijalizirana za korištenje umjetne inteligencije za stvaranje vrijednosti u konceptu "odluka kao usluga
Prema njemu, za razvijanje sličnih sustava s tradicionalnim metodama, organizacije obično trebaju između dva do tri tjedna, ovisno o složenosti sektora.
"S druge strane", koristeći MLOps, znanstvenik podataka može automatizirati cijeli proces stvaranja. Prvo on prolazi kroz cijeli proces obuke modela putem automatskog strojnog učenja koje testira algoritme kako bi vidio koji od njih najbolje funkcionira. U ovom trenutku, znanstvenik također može, ako želiš, učitati kod koji već ima i spremiti sve dokumente i sve kodove, osiguravajući tako zaštitu dokumentacije svih baza podataka. Uspjeh MLOps-a proizlazi iz činjenice da eliminira sve te korake, pri čemu je sam kreator modela odgovoran i ima sve što mu je potrebno da prođe od početka do kraja projekta, izjavljuje
U 2024, Datarisk je na tržište lansirao MLOps rješenje usmjereno na podršku vodećim tvrtkama u aktivnostima poput odobravanja kredita, rizik od prijevara, sklonost promjeni posla, produktivnost u poljoprivredi, među ostalim. Samo tijekom prvog polugodišta ove godine, alatica je korištena za ostvarenje volumena većeg od 10 milijuna upita i, među prednostima koje korisnici ove tehnologije ostvaruju, jedan od najvećih istaknutih trenutaka bila je upravo redukcija vremena. S MLOps-om startupa, prosječno vrijeme od tri tjedna svelo se na pitanje sati
Carlos Relvas također objašnjava da, nakon što je ova prva obuka izgrađena, ulazimo u drugu fazu unutar same MLOps platforme Datarisk koja je dio u kojem znanstvenik može automatski, on sam, stvoriti API za model kako bi se mogao koristiti u vanjskim okruženjima. Treća faza, prema njemu, to je upravljanje rješenjem. U ovoj fazi, cilj je osigurati da je ovaj model koji je razvijen, obučavan i koristi se nastavi imati dobru izvedbu tijekom vremena. Alat može pratiti kako korištenje vaših aplikacija tako i rad API-ja kako bi osigurala ne samo da sve radi prema planu, ali i omogućiti procjenu kvalitete modela. Rješenje omogućava provjeru, na primjer, ako postoji neka varijabla koja se promijenila tijekom vremena i šalje upozorenja krajnjem korisniku ako model gubi performanse, izjavljuje
Receptivnost tržišta i prospekcije koje je Datarisk napravio omogućuju tvrtki da projicira rast veći od pet puta u volumenu korištenja ovog rješenja do kraja 2025. godine
Suosnivač i izvršni direktor Datariska, Jhonata Emerick, objašnjava da postaje pionir u ponudi rješenja u konceptu MLOps u Brazilu, startup provodi strategiju sazrijevanja i usavršavanja svojih glavnih poslovnih teza. "Razumijemo dublje potrebe tržišta i sada smo spremni ponuditi rješenja koja mogu na apsolutno relevantan način transformirati stvarnost znanosti o podacima u zemlji", reci
Prema Emericku, u specifičnom slučaju razvoja prediktivnih modela, MLOps rješenja pojavljuju se kao odgovor na spore interne procese dizajnirane za vrijeme kada tvrtke nisu trebale upravljati područjem podataka s agilnošću koja se danas zahtijeva
Obično se usvajaju IT sustavi redova u kojima područje znanosti o podacima završava model i predaje ga inženjerskom području da stvori API. Ta, svojim redom, trebat će značajno vremena da odradiš svoj dio, kada će projekt preći na tim za kreditni motor, na primjer, da bi konačno implementirao tu API, što će dovesti do drugih rokova. Rezultat je da, kada se model implementira, situacija je sada drugačija. Zato rješenje MLOps postaje tako učinkovito u pogledu optimizacije, zaključak
