Globalni trg MLOps (operacije strojnega učenja), rešitve, ki pomagajo podatkovnim znanstvenikom poenostaviti in optimizirati procese uvajanja strojnega učenja, bodo imeti povprečno letno rast skoraj 45% do leta 2030. Napoved je pripravila raziskovalna podjetja Valuates Reports, ki ocenjuje skok v vrednosti segmenta za 186 USD,4 milijone, doseženo v 2023, za 3 USD.6 bi. Ena od glavnih razlogov za segrevanje tega trga je lahko skrajšanje roka za razvoj napovednih modelov. Ocena je od Carlosa Relvasa, Glavni podatkovni znanstvenik Datarisk, podjetje, specializirano za uporabo umetne inteligence za ustvarjanje vrednosti v konceptu "odločitev kot storitev
Po njegovem, za razvijajo podobne sisteme z tradicionalnimi metodami, organizacije potrebujejo v povprečju od dva do tri tedne, odvisno od kompleksnosti sektorja.
"Nasprotno", z uporabo MLOps lahko podatkovni znanstvenik avtomatizira celoten postopek ustvarjanja. Najprej izvede celoten postopek usposabljanja modela s pomočjo avtomatskega strojnega učenja, ki preizkuša algoritme, da ugotovi, kateri od njih deluje najbolje. V tem trenutku, znanstvenik tudi zmore, če želiš, naložiti kodo, ki ga že ima, in shraniti vse dokumente in vse kode, s tem tako zagotavljanje zaščite dokumentacije vseh podatkovnih baz. Uspeh MLOps-a je posledica tega, da odpravi vse te korake, pri čemer je sam ustvarjalec modela odgovoren in ima v rokah vse, kar potrebuje, da gre od začetka do konca projekta, trdi
V letu 2024, Datarisk je na trg lansiral rešitev MLOps, osredotočeno na zadovoljevanje podjetij, ki so vodilna na področju dejavnosti, kot je podeljevanje kreditov, tveganje prevar, nagnjenost k spremembi dela, produktivnost v kmetijstvu, med drugim. Samo v prvem semestru tega leta, orodje je bilo uporabljeno za izvedbo več kot 10 milijonov poizvedb in, med drugim koristi, ki jih uporabniki te tehnologije pridobijo, enoč največjih poudarkov je bila prav zmanjšanje časa. S MLOps startup, povprečje treh tednov je padlo na vprašanje ur
Carlos Relvas še pojasnjuje, da, potem ko je ta prvi trening zgrajen, vstopi v drugo fazo znotraj same platforme MLOps Datarisk, ki je del, kjer lahko znanstvenik samodejno, on sam, ustvariti API za model, da se lahko uporablja v zunanjih okoljih. Tretja faza, po njegovem, je upravljanje rešitvijo. V tej fazi, cilj je zagotoviti, da je ta model, ki je bil razvit, usposoben in se uporablja, še naprej ima dobro uspešnost skozi čas. Orodje lahko spremlja tako uporabo vaših aplikacij kot delovanje API-jev, da zagotovi, da vse deluje v skladu s programom, ampak tudi omogočiti preverjanje kakovosti modela. Rešitev omogoča preverjanje, na primer, če obstaja kakšna spremenljivka, ki se je skozi čas spremenila in pošilja opozorila končnemu uporabniku, če model izgublja učinkovitost, trdi
Tržna receptivnost in raziskave, ki jih je Datarisk izvedel, omogočajo podjetju, da načrtuje rast, ki bo presegla petkratnik obsega uporabe te rešitve do konca leta 2025
Soustanovitelj in izvršni direktor Datarisk, Jhonata Emerick, pojasni, da je postala pionirka v ponudbi rešitev v konceptu MLOps v Braziliji, startup uvaja strategijo za zorenje in izboljšanje svojih glavnih poslovnih tez. "Razumemo z večjo globino potrebe trga in zdaj smo pripravljeni ponuditi rešitve, ki lahko na absolutno relevanten način spremenijo realnost podatkovne znanosti v državi", reci
Po mnenju Emericka, v posebnem primeru razvoja napovednih modelov, rešitve MLOps se pojavijo kot odgovor na počasne notranje procese, zasnovane za čas, ko podjetja niso potrebovala upravljati podatkovnega področja s hitrostjo, ki je danes zahtevana
Običajno se uporabljajo sistemi čakalnih vrst IT, v katerih področje podatkovne znanosti konča z izdelavo modela in ga prenese na področje inženiringa, da ustvari API. Ta, po svoji strani, bo potrebno znatno časa, da opraviš svoj del, kdaj bo projekt prešel na ekipo za kreditni motor, na primer, da bi končno implementiral to API, kar bo privede do drugih rokov. Rezultat je, da, ko je model implementiran, situacija je že drugačna. Zato rešitev MLOps postane tako učinkovita na področju optimizacije, zaključiti
