MLOps(기계 학습 운영) 글로벌 시장, 데이터 과학자가 머신 러닝 배포 프로세스를 단순화하고 최적화하는 데 도움을 주는 솔루션, 2030년까지 연평균 거의 45% 성장할 것입니다. 이 전망은 리서치 회사 Valuates Reports에 의해 작성되었습니다, US$ 186의 가치 상승을 예상하다,400만, 2023년에 도달함, US$ 3에 대해.6 비. 이 시장의 주요 원인 중 하나는 예측 모델 개발 기간의 단축일 수 있다. 평가는 카를로스 헬바스의 것입니다, Datarisk의 수석 데이터 과학자, 인공지능을 활용하여 가치를 창출하는 개념에 특화된 기업서비스로서의 결정
그에 따르면, 전통적인 방법으로 유사한 시스템을 개발하기 위해, 조직은 평균적으로 2주에서 3주 사이의 시간을 소요합니다, 산업의 복잡성에 따라.
"반면에", MLOps를 사용하면 데이터 과학자가 생성 프로세스를 자동화할 수 있습니다. 먼저 그는 자동 머신 러닝을 통해 모델 훈련의 모든 부분을 수행하여 어떤 알고리즘이 가장 잘 작동하는지 테스트합니다. 현재 순간, 과학자도 할 수 있다, 원한다면, 자신의 코드를 업로드하고 모든 문서와 모든 코드를 저장하다, 모든 데이터베이스 문서의 보호를 보장합니다. MLOps의 성공은 모델의 창작자가 모든 단계를 제거하고 프로젝트의 시작부터 끝까지 필요한 모든 것을 스스로 책임지며 손에 쥐고 있기 때문입니다, 확인합니다
2024년, Datarisk는 신용 제공과 같은 활동에서 주도적인 기업을 지원하는 데 중점을 둔 MLOps 솔루션을 시장에 출시했습니다, 사기 위험, 직업 변화에 대한 경향, 농업 생산성, 그 외에도. 올해 상반기 동안만, 이 도구는 1천만 건 이상의 조회를 수행하는 데 사용되었습니다, 이 기술을 사용하는 사용자들이 얻는 이점 중에서, 가장 큰 특징 중 하나는 바로 시간 단축이었다. 스타트업의 MLOps와 함께, 3주라는 평균 기한이 몇 시간으로 줄어들었다
카를로스 렐바스는 또한 설명합니다, 이 첫 번째 훈련이 구축된 후, Datarisk의 MLOps 플랫폼 내에서 두 번째 단계가 들어오며, 이 단계는 과학자가 자동으로 할 수 있는 부분입니다, 그 자신, 외부 환경에서 사용될 수 있도록 모델을 위한 API를 생성하다. 세 번째 단계, 그에 따르면, 해결책의 관리. 이 단계에서, 목표는 개발된 이 모델을 보장하는 것입니다, 훈련받았고 사용되고 있으며 시간이 지남에 따라 좋은 성과를 계속 내고 있습니다. 이 도구는 애플리케이션 사용과 API 작동을 모니터링하여 모든 것이 계획대로 작동하는지 확인할 수 있습니다, 모델의 품질을 평가할 수 있도록 허용합니다. 해결책은 검증을 가능하게 한다, 예를 들어, 시간이 지남에 따라 변화한 변수가 있다면 모델의 성능이 저하될 경우 최종 사용자에게 경고를 발송합니다, 확인합니다
Datarisk가 수행한 시장 수용성과 탐색은 회사가 2025년 말까지 이 솔루션의 사용량을 다섯 배 이상 성장시킬 수 있도록 합니다
Datarisk의 공동 창립자이자 CEO, 존나타 에메리크, 브라질에서 MLOps 개념의 솔루션 제공에 있어 선구자가 되었다고 설명합니다, 스타트업은 주요 비즈니스 이론을 성숙시키고 개선하는 전략을 실행하고 있다. “우리는 시장의 필요를 더 깊이 이해하게 되었고 이제 데이터 과학의 현실을 절대적으로 의미 있는 방식으로 변화시킬 수 있는 솔루션을 제공할 준비가 되어 있습니다”, 말해
에머릭에 따르면, 예측 모델 개발의 특정 경우에, MLOps 솔루션은 현재 요구되는 민첩성으로 데이터 영역을 관리할 필요가 없었던 시기에 맞춰 설계된 느린 내부 프로세스에 대한 응답으로 등장합니다
일반적으로 데이터 과학 분야가 모델을 완성한 후 엔지니어링 분야가 API를 만드는 IT 대기열 시스템이 채택됩니다. 이것, 그의 차례로, 당신의 역할을 수행하는 데 상당한 시간이 걸릴 것입니다, 그럼 언제 신용 엔진 팀으로 프로젝트가 넘어갈까요, 예를 들어, 그가 마침내 이 API를 구현하기 위해, 다른 기한으로 이어질 것입니다. 결과는, 모델이 구현될 때, 상황은 이미 다르다. 그래서 MLOps 솔루션은 최적화 측면에서 매우 효과적이게 됩니다, 결론짓다
