全球MLOps（机器学习运维）市场, 帮助数据科学家简化和优化机器学习部署过程的解决方案, 到2030年将实现近45%的年均增长. 该预测是由研究公司Valuates Reports进行的, 预计该领域的估值将跃升至186亿美元,400万, 在2023年达到, 为3美元.6亿. 这个市场升温的主要原因之一可能是预测模型开发周期的缩短. 评估是卡洛斯·雷尔瓦斯, Datarisk首席数据科学家, 专注于利用人工智能创造价值的公司“决策即服务
根据他说, 为了开发类似的系统与传统方法, 组织平均需要两到三周的时间, 根据行业的复杂性.
“相对而言, 使用MLOps，数据科学家能够自动化整个创建过程. 首先，他通过自动机器学习进行模型的所有训练部分，测试算法以查看哪个算法效果最好. 此刻, 科学家也能, 如果你愿意, 上传一个他已经拥有的代码，并保存所有文档和所有代码, 从而确保所有数据库文档的保护. MLOps的成功在于它消除了所有这些步骤，模型的创建者自己负责，并掌握完成项目所需的一切, 声明
在2024年, Datarisk推出了一种专注于满足在信贷授予等活动中处于领先地位的公司的MLOps解决方案, 欺诈风险, 工作变动的倾向, 农业生产力, 其他方面. 仅在今年上半年, 该工具用于进行超过1000万次查询的工作并, 在使用这种技术的用户中获得的好处, 其中一个最大的亮点正是时间的缩短. 与初创公司的MLOps, 三周的平均期限缩短到了几个小时
卡洛斯·雷尔瓦斯还解释说, 在这个初步培训建立之后, 进入Datarisk的MLOps平台内的第二个阶段，这是科学家可以自动进行的部分, 他自己, 创建一个API以便模型可以在外部环境中使用. 第三阶段, 根据他说, 是解决方案的管理. 在这个阶段, 目标是确保这个开发的模型, 经过训练并正在使用中，继续保持良好的表现. 该工具能够监控应用程序的使用情况以及API的运行，以确保一切按计划正常运作, 但也允许对模型质量进行评估. 该解决方案使验证成为可能, 例如, 如果有任何变量随着时间的推移发生变化，并在模型性能下降时向最终用户发出警报, 声明
市场的接受度和Datarisk所做的前景调查使公司能够预计到2025年底该解决方案的使用量将增长超过五倍
Datarisk的联合创始人兼首席执行官, 约纳塔·埃梅里克, 解释说，成为巴西MLOps概念解决方案的先驱, 一家初创公司正在实施成熟和完善其主要商业理论的战略. “我们更深入地理解了市场的需求，现在我们准备提供能够以绝对相关的方式改变国家数据科学现实的解决方案”, 说
根据埃梅里克, 在预测模型开发的特定情况下, MLOps解决方案作为对内部缓慢流程的回应而出现，这些流程是为一个企业不需要以当前所需的敏捷性管理数据领域的时代而设计的
通常采用IT队列系统，其中数据科学领域完成模型后，将其交给工程领域创建API. 这, 反过来, 这将花费相当长的时间来完成你的部分, 那么项目何时会转交给信贷引擎团队, 例如, 为了让他最终实现这个API, 这将导致其他期限. 结果是, 当模型被实施时, 情况已经不同了. 因此，MLOps解决方案在优化方面变得如此有效, 结束
