MLOps፡ DevOps በማሽን መማሪያ አለም

እ.ኤ.አ. በ 2018 የ MLOps ጽንሰ-ሀሳብ በሙያዊ ክበቦች እና ለ AI በተሰጡ የቲማቲክ ኮንፈረንስ ታየ ፣ ይህም በፍጥነት በኢንዱስትሪው ውስጥ ተይዞ አሁን እንደ ገለልተኛ አቅጣጫ እያደገ ነው። ለወደፊቱ፣ MLOps በአይቲ ውስጥ በጣም ታዋቂ ከሆኑ አካባቢዎች አንዱ ሊሆን ይችላል። ምንድን ነው እና ከምን ጋር ነው የሚበላው?ከዚህ በታች እንወቅ።

MLOps ምንድን ነው?

MLOps (የዳበረ ሞዴሎችን ወደ ንግድ ሥራ ሂደቶች ለመተግበር የማሽን መማሪያ ቴክኖሎጂዎችን እና ሂደቶችን እና አቀራረቦችን በማጣመር) በቢዝነስ ተወካዮች፣ ሳይንቲስቶች፣ የሂሳብ ባለሙያዎች፣ የማሽን መማሪያ ስፔሻሊስቶች እና የአይቲ መሐንዲሶች ሰው ሰራሽ የማሰብ ዘዴዎችን ሲፈጥሩ አዲስ የትብብር መንገድ ነው።

በሌላ አነጋገር የማሽን መማሪያ ዘዴዎችን እና ቴክኖሎጂዎችን የንግድ ችግሮችን ለመፍታት ወደ ጠቃሚ መሳሪያነት የመቀየር መንገድ ነው። 

የምርታማነት ሰንሰለት የሚጀምረው ሞዴል ከመፈጠሩ ከረጅም ጊዜ በፊት መሆኑን መረዳት ያስፈልጋል. የመጀመሪያው እርምጃው የንግድ ሥራ ችግርን ፣ ከመረጃው ሊወጣ የሚችለውን እሴት መላምት እና እሱን ተግባራዊ ለማድረግ የንግድ ሥራ ሀሳብ ነው። 

የማሽን መማሪያ ሞዴሎችን እና ቴክኖሎጂዎችን በተመለከተ የMLOps ጽንሰ-ሀሳብ ከዴቭኦፕስ ፅንሰ-ሀሳብ ጋር በማመሳሰል ተነሳ። ዴቭኦፕስ የግለሰባዊ ለውጦችን የመተግበር ፍጥነት ለመጨመር የሚያስችል የሶፍትዌር ልማት አቀራረብ ሲሆን የተለያዩ አቀራረቦችን በመጠቀም ተለዋዋጭነትን እና አስተማማኝነትን ጠብቀው እንዲቀጥሉ የሚያስችልዎ ቀጣይነት ያለው ልማት ፣የተግባራትን በበርካታ ገለልተኛ ማይክሮ ሰርቪስ መከፋፈል ፣በራስ ሰር መሞከር እና የግለሰብ ማሰማራትን ጨምሮ። ለውጦች፣ ዓለም አቀፍ የጤና ክትትል፣ ለተገኙ ውድቀቶች ፈጣን ምላሽ ሥርዓት፣ ወዘተ. 

DevOps የሶፍትዌር የሕይወት ዑደትን ገልጿል, እና ማህበረሰቡ ተመሳሳይ ዘዴን ለትልቅ ውሂብ የመተግበር ሀሳብ አቅርቧል. ዳታኦፕስ ከፍተኛ መጠን ያለው መረጃን በተለያዩ እና እርስ በርስ ሊሰሩ በሚችሉ መድረኮች ውስጥ የማከማቸት፣ የማስተላለፍ እና የማቀናበር ባህሪያትን ከግምት ውስጥ በማስገባት ዘዴውን ለማላመድ እና ለማስፋት የሚደረግ ሙከራ ነው።
  
በኢንተርፕራይዞች የንግድ ሂደቶች ውስጥ ተግባራዊ የሆነ የተወሰነ ወሳኝ የማሽን መማሪያ ሞዴሎች መምጣት፣ በሂሳብ ማሽን መማሪያ ሞዴሎች እና በሶፍትዌር የህይወት ኡደት መካከል ጠንካራ ተመሳሳይነት ተስተውሏል። ብቸኛው ልዩነት ሞዴል ስልተ ቀመሮች የማሽን መማሪያ መሳሪያዎችን እና ዘዴዎችን በመጠቀም የተፈጠሩ ናቸው. ስለዚህ፣ ለማሽን መማሪያ ሞዴሎች ለሶፍትዌር ልማት ቀድሞ የታወቁ አቀራረቦችን ለመተግበር እና ለማስማማት ሀሳቡ በተፈጥሮ ተነስቷል። ስለዚህ በማሽን መማሪያ ሞዴሎች የሕይወት ዑደት ውስጥ የሚከተሉት ቁልፍ ደረጃዎች ሊለዩ ይችላሉ-

• የንግድ ሥራ ሀሳብን መግለጽ;
• ሞዴል ስልጠና;
• ሞዴሉን ወደ ሥራው ሂደት መፈተሽ እና መተግበር;
• የአምሳያው አሠራር.

በሚሠራበት ጊዜ ሞዴሉን በአዲስ መረጃ ላይ መለወጥ ወይም እንደገና ማሰልጠን ሲያስፈልግ ዑደቱ እንደገና ይጀምራል - ሞዴሉ ተጠርጓል ፣ ተፈትኗል እና አዲስ ስሪት ተዘርግቷል።

ማፈግፈግ ለምን እንደገና ማሠልጠን እና እንደገና አለማሠልጠን? "ሞዴል መልሶ ማሰልጠን" የሚለው ቃል ሁለት ትርጉም አለው: በባለሙያዎች መካከል የሞዴል ጉድለት ማለት ነው, ሞዴሉ በደንብ ሲተነብይ, በትክክል የተተነበየውን መለኪያ በስልጠናው ስብስብ ላይ ይደግማል, ነገር ግን በውጫዊ የውሂብ ናሙና ላይ በጣም የከፋ ነው. በተፈጥሮው እንዲህ ዓይነቱ ሞዴል ጉድለት ነው, ምክንያቱም ይህ ጉድለት አጠቃቀሙን አይፈቅድም.

በዚህ የህይወት ኡደት ውስጥ የዴቭኦፕስ መሳሪያዎችን መጠቀም ምክንያታዊ ይመስላል፡ አውቶማቲክ ሙከራ፣ ማሰማራት እና ክትትል፣ የሞዴል ስሌቶችን በተለየ ማይክሮ ሰርቪስ መልክ መቅረጽ። ነገር ግን እነዚህን መሳሪያዎች ያለ ተጨማሪ ኤምኤል ማሰሪያ በቀጥታ መጠቀምን የሚከለክሉ በርካታ ባህሪያትም አሉ.

ሞዴሎችን እንዴት እንደሚሰራ እና ትርፋማ መሆን እንደሚቻል

የMLOps አገባብ አጠቃቀምን እንደምናሳይበት ምሳሌ፣ ለባንክ (ወይም ለሌላ ማንኛውም) ምርት የውይይት ድጋፍን በሮቦት የማድረግ ክላሲክ ተግባር እንወስዳለን። በተለምዶ የውይይት ድጋፍ የንግድ ሂደት ይህን ይመስላል፡- ደንበኛ በውይይት ውስጥ ከጥያቄ ጋር መልእክት ያስገባ እና አስቀድሞ በተገለጸው የንግግር ዛፍ ውስጥ ከአንድ ስፔሻሊስት ምላሽ ይቀበላል። እንዲህ ዓይነቱን ቻት በራስ-ሰር የማዘጋጀት ተግባር ብዙውን ጊዜ የሚፈታው በልዩ ባለሙያነት የተገለጹ የሕጎችን ስብስቦች በመጠቀም ነው ፣ እነሱም ለማዳበር እና ለማቆየት በጣም ብዙ ጉልበት የሚጠይቁ። እንደ ሥራው ውስብስብነት ደረጃ ላይ በመመስረት እንዲህ ዓይነቱ አውቶማቲክ ውጤታማነት ከ20-30% ሊሆን ይችላል. በተፈጥሮ ፣ ሀሳቡ የሚነሳው ሰው ሰራሽ የማሰብ ችሎታ ሞጁሉን መተግበር የበለጠ ትርፋማ ነው - የማሽን መማሪያን በመጠቀም የተሰራ ሞዴል ፣

• ያለ ኦፕሬተር ተሳትፎ ብዙ ጥያቄዎችን ማካሄድ ይችላል (በርዕሱ ላይ በመመስረት ፣ በአንዳንድ ሁኔታዎች ውጤታማነቱ ከ 70-80%);
• በውይይት ውስጥ ከመደበኛ የቃላት አጻጻፍ ጋር በተሻለ ሁኔታ ይስማማል - ዓላማውን መወሰን ይችላል ፣ የተጠቃሚውን እውነተኛ ፍላጎት በግልፅ ባልተዘጋጀ ጥያቄ ላይ የተመሠረተ ፣
• የአምሳያው መልስ መቼ በቂ እንደሆነ እንዴት እንደሚያውቅ ያውቃል, እና የዚህን መልስ "ግንዛቤ" በተመለከተ ጥርጣሬዎች ሲኖሩ እና ተጨማሪ የማብራሪያ ጥያቄ መጠየቅ ወይም ወደ ኦፕሬተሩ መቀየር ያስፈልግዎታል;
• በተጨማሪም በራስ-ሰር ማሰልጠን ይቻላል (ከገንቢዎች ቡድን ይልቅ የምላሽ ስክሪፕቶችን በየጊዜው ማላመድ እና ማስተካከል ፣ ሞዴሉ በተጨማሪ በዳታ ሳይንስ ባለሙያ ተገቢውን የማሽን መማሪያ ቤተ-መጻሕፍት በመጠቀም የሰለጠነ ነው)። 

እንደዚህ ያለ የላቀ ሞዴል እንዴት እንደሚሰራ? 

እንደማንኛውም ሌላ ችግር መፍታት፣ እንደዚህ አይነት ሞጁል ከማዘጋጀትዎ በፊት፣ የንግድ ስራ ሂደትን መግለፅ እና የማሽን መማሪያ ዘዴን በመጠቀም የምንፈታውን ልዩ ተግባር በመደበኛነት መግለጽ ያስፈልጋል። በዚህ ጊዜ በኦፕስ ምህጻረ ቃል የተሰየመው የአሠራር ሂደት ይጀምራል. 

ቀጣዩ ደረጃ የዳታ ሳይንቲስቱ ከዳታ ኢንጂነር ጋር በመተባበር የመረጃን ተገኝነት እና በቂነት እንዲሁም የንግድ ሥራውን ሀሳብ አዋጭነት በተመለከተ ያለውን የንግድ መላምት በመፈተሽ የፕሮቶታይፕ ሞዴልን በማዘጋጀት እና ውጤታማነቱን በመፈተሽ ነው። በንግዱ ከተረጋገጠ በኋላ ብቻ ሞዴል ከማዘጋጀት ወደ አንድ የተወሰነ የንግድ ሥራ ሂደት ወደሚያካሂዱ ስርዓቶች ውስጥ መሸጋገር ይጀምራል። ከጫፍ እስከ ጫፍ የትግበራ እቅድ ፣ ሞዴሉ እንዴት ጥቅም ላይ እንደሚውል እና ምን ኢኮኖሚያዊ ተፅእኖ እንደሚያመጣ በእያንዳንዱ ደረጃ ላይ ጥልቅ ግንዛቤ ፣ የ MLOps አቀራረቦችን ወደ ኩባንያው የቴክኖሎጂ ገጽታ በማስተዋወቅ ሂደት ውስጥ መሠረታዊ ነጥብ ነው።

በ AI ቴክኖሎጂዎች ልማት, የማሽን መማሪያን በመጠቀም ሊፈቱ የሚችሉ ችግሮች ብዛት እና የተለያዩ ናቸው. እያንዳንዱ የቢዝነስ ሂደት የጅምላ ሰራተኞችን ጉልበት (የጥሪ ማእከልን, ሰነዶችን ማረጋገጥ እና መደርደር, ወዘተ) በራስ-ሰር በመሰራቱ ለኩባንያው ቁጠባ ነው, አዳዲስ ማራኪ እና ምቹ ተግባራትን በመጨመር የደንበኛ መሰረትን ማስፋፋት ነው. በተመቻቸ አጠቃቀማቸው እና የሀብት ክፍፍል እና ሌሎችም ምክንያት ገንዘብ እየቆጠበ ነው። በመጨረሻም, ማንኛውም ሂደት ዋጋን በመፍጠር ላይ ያተኮረ ነው, በውጤቱም, የተወሰነ ኢኮኖሚያዊ ውጤት ማምጣት አለበት. እዚህ ላይ የቢዝነስ ሀሳቡን በግልፅ ማዘጋጀት እና በኩባንያው አጠቃላይ እሴት ፈጠራ መዋቅር ውስጥ ሞዴሉን ከመተግበሩ የሚጠበቀውን ትርፍ ማስላት በጣም አስፈላጊ ነው. ሞዴልን ሲተገብሩ ሁኔታዎች አሉ እራሱን አያጸድቅም, እና በማሽን መማሪያ ስፔሻሊስቶች ጊዜ የሚያሳልፈው ጊዜ ይህን ተግባር ከሚፈጽመው ኦፕሬተር የስራ ቦታ የበለጠ ውድ ነው. ለዚህም ነው የ AI ስርዓቶችን በመፍጠር የመጀመሪያ ደረጃዎች ላይ እንደዚህ ያሉ ጉዳዮችን ለመለየት መሞከር አስፈላጊ የሆነው.

በዚህ ምክንያት, ሞዴሎች ትርፍ ማግኘት የሚጀምሩት በ MLOps ሂደት ውስጥ የንግድ ሥራ ችግር በትክክል ሲቀረጽ, ቅድሚያ የሚሰጣቸው ነገሮች ሲቀመጡ እና ሞዴሉን ወደ ስርዓቱ የማስተዋወቅ ሂደት በመጀመርያ የእድገት ደረጃዎች ውስጥ ሲዘጋጅ ብቻ ነው.

አዲስ ሂደት - አዲስ ፈተናዎች

የኤምኤል ሞዴሎች ለችግሮች መፍትሄ ምን ያህል ተግባራዊ ሊሆኑ እንደሚችሉ ለሚለው መሰረታዊ የንግድ ጥያቄ አጠቃላይ መልስ በ AI ላይ የመተማመን አጠቃላይ ጉዳይ የ MLOps አቀራረቦችን በማዘጋጀት እና በመተግበር ሂደት ውስጥ ካሉት ቁልፍ ተግዳሮቶች አንዱ ነው። መጀመሪያ ላይ ንግዶች የማሽን ትምህርትን ወደ ሂደቶች ማስተዋወቅ ጥርጣሬ አላቸው - ቀደም ሲል እንደ አንድ ደንብ ሰዎች በሚሠሩባቸው ቦታዎች ሞዴሎች ላይ መተማመን አስቸጋሪ ነው. ለንግድ ስራ ፕሮግራሞች "ጥቁር ሳጥን" ይመስላሉ, አስፈላጊነቱ አሁንም መረጋገጥ አለበት. በተጨማሪም, በባንክ ውስጥ, በቴሌኮም ኦፕሬተሮች ንግድ ውስጥ እና ሌሎችም, የመንግስት ተቆጣጣሪዎች ጥብቅ መስፈርቶች አሉ. በባንክ ሂደቶች ውስጥ የሚተገበሩ ሁሉም ስርዓቶች እና ስልተ ቀመሮች ለኦዲት ተገዢ ናቸው. ይህንን ችግር ለመፍታት, ለንግድ እና ተቆጣጣሪዎች የአርቴፊሻል ኢንተለጀንስ ምላሾች ትክክለኛነት እና ትክክለኛነት ለማረጋገጥ, የክትትል መሳሪያዎች ከአምሳያው ጋር በመተዋወቅ ላይ ናቸው. በተጨማሪም, የማዕከላዊ ባንክ መስፈርቶችን የሚያሟላ, ለቁጥጥር ሞዴሎች አስገዳጅ የሆነ ገለልተኛ የማረጋገጫ ሂደት አለ. ገለልተኛ የባለሙያ ቡድን የግብአት መረጃን ከግምት ውስጥ በማስገባት በአምሳያው የተገኘውን ውጤት ይመረምራል.

ሁለተኛው ፈተና የማሽን መማሪያ ሞዴልን ሲተገበር የሞዴል ስጋቶችን መገምገም እና ግምት ውስጥ ማስገባት ነው። አንድ ሰው ጥያቄውን መቶ በመቶ በእርግጠኝነት ሊመልስ ባይችልም ተመሳሳይ ልብስ ነጭ ወይም ሰማያዊ ነበር, ከዚያም አርቴፊሻል ኢንተለጀንስ ስህተት የመሥራት መብት አለው. በተጨማሪም መረጃ በጊዜ ሂደት ሊለወጥ እንደሚችል ግምት ውስጥ ማስገባት ተገቢ ነው, እና በቂ ትክክለኛ ውጤት ለማምጣት ሞዴሎችን እንደገና ማሰልጠን ያስፈልጋል. የንግዱ ሂደት የማይጎዳ መሆኑን ለማረጋገጥ የሞዴል አደጋዎችን መቆጣጠር እና የአምሳያው አፈጻጸምን መከታተል, በየጊዜው በአዲስ መረጃ ላይ ማሰልጠን ያስፈልጋል.

ነገር ግን ከመጀመሪያው የመተማመን ደረጃ በኋላ, ተቃራኒው ውጤት መታየት ይጀምራል. ብዙ ሞዴሎች በተሳካ ሁኔታ ወደ ሂደቶች ሲተገበሩ ፣ ሰው ሰራሽ የማሰብ ችሎታን የመጠቀም ፍላጎት እየጨመረ ይሄዳል - የማሽን መማሪያ ዘዴዎችን በመጠቀም ሊፈቱ የሚችሉ አዳዲስ እና አዳዲስ ችግሮች አሉ። እያንዳንዱ ተግባር የተወሰኑ ብቃቶችን የሚፈልግ አጠቃላይ ሂደትን ያነሳሳል-

• የመረጃ መሐንዲሶች መረጃን ያዘጋጃሉ እና ያካሂዳሉ;
• የውሂብ ሳይንቲስቶች የማሽን መማሪያ መሳሪያዎችን ይጠቀማሉ እና ሞዴል ያዘጋጃሉ;
• የአይቲ ሞዴሉን ወደ ስርዓቱ ተግባራዊ ያደርጋል;
• የኤምኤል መሐንዲሱ የጥያቄዎችን ፍሰት ፣ የምላሽ ጊዜን ፣ ወዘተ ከግምት ውስጥ በማስገባት ይህንን ሞዴል በሂደቱ ውስጥ እንዴት በትክክል ማቀናጀት እንደሚቻል ይወስናል ፣ የትኛውን የአይቲ መሳሪያዎችን መጠቀም እንደሚቻል ፣ በአምሳያው የአተገባበር ሁኔታ መስፈርቶች ላይ በመመስረት። 
• አንድ የኤምኤል አርክቴክት የሶፍትዌር ምርት በኢንዱስትሪ ሥርዓት ውስጥ እንዴት በአካል ሊተገበር እንደሚችል ይቀርጻል።

ዑደቱ በሙሉ ከፍተኛ ብቃት ያላቸው ልዩ ባለሙያዎችን ይጠይቃል. በተወሰነ ደረጃ የኤምኤል ሞዴሎችን ወደ ንግድ ሥራ ሂደቶች ዘልቆ ለመግባት በተወሰነ ደረጃ ላይ ፣ ከተግባሮች ብዛት መጨመር ጋር ሲነፃፀር የልዩ ባለሙያዎችን ቁጥር በመስመር ማመጣጠን ውድ እና ውጤታማ አይሆንም። ስለዚህ ጥያቄው የሚነሳው የ MLOps ሂደትን በራስ-ሰር የማዘጋጀት ሂደት ነው - በርካታ መደበኛ የማሽን መማሪያ ችግሮችን መግለጽ ፣ መደበኛ የመረጃ ማቀነባበሪያ ቧንቧዎችን ማዘጋጀት እና ተጨማሪ ሞዴሎችን ማሰልጠን። በሐሳብ ደረጃ፣ መሰል ችግሮችን ለመፍታት በቢግ ዳታ፣ በዳታ ሳይንስ፣ በዴቭኦፕስ እና በአይቲ መገንጠያ ላይ በብቃት የተካኑ ባለሙያዎችን ይፈልጋል። ስለዚህ በዳታ ሳይንስ ኢንዱስትሪ ውስጥ ያለው ትልቁ ችግር እና የ MLOps ሂደቶችን በማደራጀት ረገድ ትልቁ ፈተና አሁን ባለው የሥልጠና ገበያ ውስጥ የብቃት ማነስ ነው። እነዚህን መስፈርቶች የሚያሟሉ ስፔሻሊስቶች በአሁኑ ጊዜ በሥራ ገበያ ላይ እምብዛም አይደሉም እና ክብደታቸው በወርቅ ዋጋ አላቸው.

በብቃት ጉዳይ ላይ

በንድፈ ሀሳብ፣ ሁሉም የMLOps ስራዎች ክላሲክ DevOps መሳሪያዎችን በመጠቀም እና የአርአያ ሞዴል ልዩ ማራዘሚያ ሳይጠቀሙ ሊፈቱ ይችላሉ። ከዚያ ፣ ከላይ እንደተመለከትነው ፣ የውሂብ ሳይንቲስት የሂሳብ ሊቅ እና የውሂብ ተንታኝ ብቻ ሳይሆን የጠቅላላው የቧንቧ መስመር መምህር መሆን አለበት - እሱ የሕንፃውን ግንባታ ፣ በሥነ-ሕንፃው ላይ በመመስረት በበርካታ ቋንቋዎች የፕሮግራም ሞዴሎችን የማዘጋጀት ኃላፊነት አለበት ። የዳታ ማርት እና አፕሊኬሽኑን ራሱ ያሰማራል። ነገር ግን ከጫፍ እስከ ጫፍ በMLOps ሂደት ውስጥ የተተገበረውን የቴክኖሎጂ ማዕቀፍ መፍጠር እስከ 80% የሚደርስ የሰው ጉልበት ወጪን ይጠይቃል ይህም ማለት ብቃት ያለው የሂሳብ ሊቅ ጥራት ያለው የውሂብ ሳይንቲስት የሆነ ጊዜውን 20% ብቻ ለልዩ ባለሙያው ያሳልፋል። . ስለዚህ የማሽን መማሪያ ሞዴሎችን በመተግበር ሂደት ውስጥ የተሳተፉ የልዩ ባለሙያዎችን ሚና መግለጽ አስፈላጊ ይሆናል። 

ሚናዎቹ ምን ያህል ዝርዝር መገለጽ እንዳለባቸው በድርጅቱ መጠን ይወሰናል. አንድ ጅምር አንድ ልዩ ባለሙያ፣ በሃይል ክምችት ውስጥ ያለ ታታሪ ሰራተኛ፣ የራሱ መሐንዲስ፣ አርክቴክት እና ዴቭኦፕስ ሲኖረው አንድ ነገር ነው። በአንድ ትልቅ ድርጅት ውስጥ ሁሉም የሞዴል ልማት ሂደቶች በጥቂት የከፍተኛ ደረጃ የውሂብ ሳይንስ ስፔሻሊስቶች ላይ ያተኮሩ ሲሆኑ ፣ የፕሮግራም ባለሙያ ወይም የውሂብ ጎታ ባለሙያ - በሥራ ገበያ ውስጥ በጣም የተለመደ እና ብዙም ውድ ያልሆነ ብቃት ሊወስድ ይችላል ፣ ይህ ፍጹም የተለየ ጉዳይ ነው። በአብዛኛዎቹ ስራዎች ላይ መደበኛ ተግባራት .

ስለዚህ የተሻሻለው ሞዴሎች ፍጥነት እና ጥራት ፣ የቡድኑ ምርታማነት እና በውስጡ ያለው ማይክሮ አየር በቀጥታ የሚወሰነው የ MLOps ሂደትን የሚደግፉ ስፔሻሊስቶች ምርጫ እና የዳበሩ ሞዴሎችን የማስኬድ ሂደት እንዴት እንደተደራጀ ወሰን የት ላይ ነው ። .

ቡድናችን ከዚህ ቀደም ያደረገውን

በቅርቡ የብቃት መዋቅር እና የMLOps ሂደቶችን መገንባት ጀመርን። ነገር ግን በሞዴል የህይወት ዑደት አስተዳደር እና ሞዴሎችን እንደ አገልግሎት ስለመጠቀም ፕሮጀክቶቻችን ቀድሞውኑ በMVP የሙከራ ደረጃ ላይ ናቸው።

እንዲሁም ለአንድ ትልቅ ድርጅት በጣም ጥሩውን የብቃት መዋቅር እና በሂደቱ ውስጥ ባሉ ሁሉም ተሳታፊዎች መካከል ያለውን መስተጋብር ድርጅታዊ መዋቅር ወስነናል። ለሁሉም የንግድ ደንበኞች ችግሮችን ለመፍታት Agile ቡድኖች የተደራጁ ሲሆን በግንባታ ላይ ያለው የ MLOps ህንፃ መሰረት የሆነውን መድረክ እና መሠረተ ልማት ለመፍጠር ከፕሮጀክት ቡድኖች ጋር የመግባባት ሂደት ተቋቋመ ።

ለወደፊቱ ጥያቄዎች

MLOps የብቃት እጥረት እያጋጠመው ያለ እና ወደፊትም ጉልበት የሚያገኝ እያደገ ያለ አካባቢ ነው። እስከዚያው ድረስ፣ በDevOps እድገቶች እና ልምዶች ላይ መገንባት የተሻለ ነው። የMLOps ዋና ግብ የንግድ ችግሮችን ለመፍታት የኤምኤል ሞዴሎችን በብቃት መጠቀም ነው። ይህ ግን ብዙ ጥያቄዎችን ያስነሳል።

• ሞዴሎችን ወደ ምርት ለማስጀመር ጊዜን እንዴት መቀነስ ይቻላል?
• በተለያየ ብቃት ባላቸው ቡድኖች መካከል የቢሮክራሲያዊ አለመግባባት እንዴት እንደሚቀንስ እና በትብብር ላይ ያለውን ትኩረት እንዴት ማሳደግ ይቻላል?
• ሞዴሎችን እንዴት መከታተል, ስሪቶችን ማስተዳደር እና ውጤታማ ክትትል ማደራጀት ይቻላል?
• ለዘመናዊ ኤምኤል ሞዴል እውነተኛ ክብ የሆነ የህይወት ዑደት እንዴት መፍጠር እንደሚቻል?
• የማሽን የመማር ሂደቱን እንዴት መደበኛ ማድረግ ይቻላል?

የእነዚህ ጥያቄዎች መልሶች MLOps ምን ያህል በፍጥነት ወደ ሙሉ አቅሙ እንደሚደርሱ የሚወስኑ ናቸው።

ምንጭ: hab.com