MLOps（機械学習オペレーション）のグローバル市場, 機械学習の導入プロセスを簡素化し最適化するためにデータサイエンティストを支援するソリューション, 2030年までに年平均成長率はほぼ45%になる. 予測は調査会社Valuates Reportsによって行われました, 186ドルのセグメントの価値の跳躍を見込んでいる,400万, 2023年に達成された, US$ 3で.6ビ. この市場の加熱の主な理由の一つは、予測モデルの開発期間の短縮にあるかもしれません. 評価はカルロス・レルヴァスによるものです, データリスクのチーフデータサイエンティスト, 人工知能を活用して「価値を生み出す」コンセプトに特化した企業サービスとしての意思決定
彼によれば, 従来の方法で同様のシステムを開発するために, 組織は平均して2〜3週間かかります, 業界の複雑さによって.
対照的に, MLOpsを使用することで、データサイエンティストは作成プロセス全体を自動化することができます. 最初に彼は、どのアルゴリズムが最も効果的かを確認するために、テストを行う自動機械学習を通じてモデルのトレーニング全体を行います. この瞬間, 科学者もできる, もしよければ, 独自のコードをアップロードし、すべての文書とすべてのコードを保存する, すべてのデータベースの文書の保護を確保するために. MLOpsの成功は、モデルの創作者自身がすべてのステップを排除し、プロジェクトの最初から最後まで必要なものを手に持っているためである, 主張する
2024年に, Datariskは、クレジットの提供などの活動において主導的な企業に対応するMLOpsソリューションを市場に投入しました, 詐欺のリスク, 仕事の変更への傾向, 農業における生産性, その他にも. 今年の上半期のみ, そのツールは1000万件以上のクエリを実行するために使用されました, この技術を利用するユーザーが得られる利点の中で, 最大の注目点の一つは、時間の短縮でした. スタートアップのMLOpsとともに, 平均的な三週間の期限が数時間の問題に短縮された
カルロス・レルバスはさらに説明します, この最初のトレーニングが構築された後, DatariskのMLOpsプラットフォーム内に第二段階があり、そこでは科学者が自動的に, 彼自身, 外部環境で使用されるモデルのためのAPIを作成する. 第三段階, 彼によれば, ソリューションの管理. この段階で, 目的は、この開発されたモデルを保証することです, 訓練されており、使用されているため、時間が経つにつれて良いパフォーマンスを維持し続けています. ツールは、アプリケーションの使用状況とAPIの動作を監視できるため、すべてが予定通りに動作していることを保証するだけでなく, モデルの品質を評価することも可能にする. このソリューションは検証を可能にします, 例えば, 時間の経過とともに変化した変数があり、モデルのパフォーマンスが低下している場合に最終ユーザーに警告を発する, 主張する
Datariskが行っている市場の受容性とプロスペクションにより、同社は2025年末までにこのソリューションの使用量を5倍以上に増加させる成長を見込んでいる
Datariskの共同創設者兼CEO, ジョナタ・エメリック, ブラジルでMLOpsの概念に基づくソリューションの提供において先駆者となることを説明します, スタートアップは、主要なビジネス仮説を成熟させ、洗練させる戦略を実行に移しています. 「私たちは市場のニーズをより深く理解し、今や国内のデータサイエンスの現実を絶対的に重要な方法で変革することができるソリューションを提供する準備が整いました」, 言ってください
エメリックによれば, 予測モデルの開発に関する特定のケースでは, MLOpsのソリューションは、企業が現在求められているような迅速なデータ管理を必要としなかった時代に設計された内部プロセスの遅さに対する回答として登場します
一般的に、データサイエンス部門がモデルを完成させた後、エンジニアリング部門がAPIを作成するITのキューシステムが採用されます. エッサ, その結果, あなたの役割を果たすのにかなりの時間がかかるでしょう, その後、プロジェクトはクレジットエンジンチームに移されます, 例えば, 彼がついにこのAPIを実装するために, 他の期限につながることになる. 結果は, モデルが実装されるとき, 状況はすでに異なっています. そのため、MLOpsソリューションは最適化の面で非常に効果的になります, 結論
