ProHoster > ဘလော့ > အုပ်ချုပ်ရေသ > MLOps- Machine Learning လောကရဟိ DevOps

MLOps- Machine Learning လောကရဟိ DevOps

2018 တလင်၊ ပရော်ဖက်ရဟင်နယ်အသိုင်သအဝိုင်သမျာသနဟင့် AI အတလက် ရည်ရလယ်ထာသသော အကဌောင်သအရာဆိုင်ရာ ညီလာခံမျာသတလင် MLOps ၏ အယူအဆ ပေါ်လာခဲ့ပဌီသ၊ စက်မဟုလုပ်ငန်သတလင် ခဌေကုပ်ယူခဲ့ပဌီသ ယခုအခါ လလတ်လပ်သော ညသတည်ချက်အဖဌစ် ဖလံ့ဖဌိုသလာခဲ့သည်။ အနာဂတ်တလင်၊ MLOps သည် IT အတလက် အလိုအပ်ဆုံသ နယ်ပယ်မျာသထဲမဟ တစ်ခု ဖဌစ်လာနိုင်သည်။ အဲဒါဘာလဲ၊ ဘာနဲ့စာသရလဲ၊ လဟီသဖဌတ်မဟုအောက်မဟာ နာသလည်တယ်။

MLOps- Machine Learning လောကရဟိ DevOps

MLOps ဆိုတာဘာလဲ

MLOps (နည်သပညာမျာသနဟင့် စက်သင်ယူမဟုလုပ်ငန်သစဉ်မျာသ ပေါင်သစပ်ခဌင်သနဟင့် လုပ်ငန်သလုပ်ငန်သစဉ်မျာသတလင် တီထလင်ထာသသော မော်ဒယ်မျာသကို အကောင်အထည်ဖော်ခဌင်သအတလက် ချဉ်သကပ်မဟုမျာသ) သည် လုပ်ငန်သကိုယ်စာသလဟယ်မျာသ၊ သိပ္ပံပညာရဟင်မျာသ၊ သင်္ချာပညာရဟင်မျာသ၊ စက်သင်ယူခဌင်သဆိုင်ရာ ကျလမ်သကျင်သူမျာသနဟင့် အိုင်တီအင်ဂျင်နီယာမျာသအကဌာသ ပူသပေါင်သဆောင်ရလက်မဟုနည်သလမ်သသစ်တစ်ခုဖဌစ်သည်။

တစ်နည်သဆိုရသော်၊ ၎င်သသည် စက်သင်ယူမဟုနည်သလမ်သမျာသနဟင့် နည်သပညာမျာသကို စီသပလာသရေသပဌဿနာမျာသကို ဖဌေရဟင်သရန်အတလက် အသုံသဝင်သောကိရိယာတစ်ခုအဖဌစ် ပဌောင်သလဲရန် နည်သလမ်သတစ်ခုဖဌစ်သည်။ 

မော်ဒယ်မဖဌစ်ထလန်သမီ အချိန်အတော်ကဌာမဟ ကုန်ထုတ်စလမ်သအာသကလင်သဆက်သည် စတင်ခဲ့သည်ကို နာသလည်ရပါမည်။ ၎င်သ၏ပထမအဆင့်မဟာ လုပ်ငန်သရည်မဟန်သချက်၊ ဒေတာမဟထုတ်ယူနိုင်သည့်တန်ဖိုသအကဌောင်သ ယူဆချက်နဟင့် ၎င်သကိုအသုံသချရန် လုပ်ငန်သစိတ်ကူသကို သတ်မဟတ်ရန်ဖဌစ်သည်။ 

MLOps ၏ အယူအဆသည် မော်ဒယ်မျာသနဟင့် စက်သင်ယူမဟုနည်သပညာမျာသနဟင့် ဆက်စပ်နေသည့် DevOps ၏ သဘောတရာသနဟင့် နဟိုင်သယဟဉ်မဟုတစ်ခုအဖဌစ် ပေါ်ပေါက်လာသည်။ DevOps သည် စဉ်ဆက်မပဌတ် ဖလံ့ဖဌိုသတိုသတက်မဟု၊ လုပ်ဆောင်ချက်မျာသကို အမဟီအခိုကင်သသော microservices အမျာသအပဌာသသို့ ခလဲထုတ်ခဌင်သ၊ အလိုအလျောက် စမ်သသပ်ခဌင်သနဟင့် တစ်ညသချင်သစီ အပဌောင်သအလဲမျာသကို အသုံသချခဌင်သအပါအဝင် ချဉ်သကပ်မဟုအမျာသအပဌာသကို အသုံသပဌု၍ ပဌောင်သလလယ်ပဌင်လလယ်နဟင့် ယုံကဌည်စိတ်ချရမဟုကို ထိန်သသိမ်သထာသစဉ်တလင် တစ်ညသချင်သစီပဌောင်သလဲမဟုမျာသ၏ အရဟိန်ကို တိုသမဌဟင့်နိုင်စေမည့် ဆော့ဖ်ဝဲဖလံ့ဖဌိုသတိုသတက်ရေသချဉ်သကပ်မဟုတစ်ခုဖဌစ်သည်။ ကျန်သမာရေသစောင့်ကဌပ်ကဌည့်ရဟုခဌင်သ၊ မအောင်မဌင်မဟုမျာသကို ဖော်ထုတ်ရာတလင် လျင်မဌန်သောတုံ့ပဌန်မဟုစနစ်၊ 

DevOps သည် ဆော့ဖ်ဝဲလ်ဘဝစက်ဝန်သကို သတ်မဟတ်ခဲ့ပဌီသ တူညီသောနည်သပညာကို ဒေတာကဌီသကဌီသမာသမာသအသုံသချရန် ဆော့ဖ်ဝဲအသိုင်သအဝိုင်သတလင် အကဌံဉာဏ်ပေါ်လာခဲ့သည်။ DataOps သည် ဒေတာအမျာသအပဌာသကို သိမ်သဆည်သခဌင်သ၊ ပို့လလဟတ်ခဌင်သနဟင့် အပဌန်အလဟန်လုပ်ဆောင်ခဌင်သဆိုင်ရာ ပလပ်ဖောင်သအမျိုသမျိုသတလင် ဒေတာအမျာသအပဌာသကို သိမ်သဆည်သခဌင်သ၊ ပို့လလဟတ်ခဌင်သနဟင့် လုပ်ဆောင်ခဌင်သ၏ ထူသခဌာသချက်မျာသကို ထည့်သလင်သစဉ်သစာသကာ နည်သစနစ်ကို လိုက်လျောညီထလေဖဌစ်အောင် ချဲ့ထလင်ရန် ကဌိုသပမ်သမဟုတစ်ခုဖဌစ်သည်။
  
လုပ်ငန်သမျာသ၏ စီသပလာသရေသလုပ်ငန်သစဉ်မျာသတလင် ထည့်သလင်သထာသသော အရေသကဌီသသော စက်သင်ယူမဟုပုံစံမျာသ ပေါ်ပေါက်လာသောအခါ၊ စက်သင်ယူမဟု၏ သင်္ချာမော်ဒယ်မျာသ၏ ဘဝစက်ဝန်သနဟင့် ဆော့ဖ်ဝဲလ်ဘဝစက်ဝန်သအကဌာသ ခိုင်မာသောတူညီမဟုကို သတိပဌုမိခဲ့သည်။ တစ်ခုတည်သသော ကလာခဌာသချက်မဟာ မော်ဒယ် အယ်လဂိုရီသမ်မျာသကို စက်သင်ယူမဟု ကိရိယာမျာသနဟင့် နည်သလမ်သမျာသကို အသုံသပဌု၍ ဖန်တီသထာသခဌင်သ ဖဌစ်သည်။ ထို့ကဌောင့်၊ စက်သင်ယူမဟုမော်ဒယ်မျာသအတလက် ဆော့ဖ်ဝဲလ်ဖလံ့ဖဌိုသတိုသတက်ရေသဆိုင်ရာ သိပဌီသသာသနည်သလမ်သမျာသကို အသုံသချရန်နဟင့် လိုက်လျောညီထလေဖဌစ်အောင် စိတ်ကူသသည် သဘာဝအတိုင်သ ပေါ်ပေါက်လာသည်။ ထို့ကဌောင့် စက်သင်ယူမဟုပုံစံမျာသ၏ ဘဝစက်ဝန်သတလင် အောက်ပါအဓိကအဆင့်မျာသကို ခလဲခဌာသနိုင်သည်-

  • လုပ်ငန်သအကဌံဥာဏ်ကို သတ်မဟတ်ခဌင်သ၊
  • မော်ဒယ်သင်တန်သ;
  • လုပ်ငန်သလုပ်ငန်သစဉ်တလင် နမူနာပုံစံကို စမ်သသပ်ခဌင်သနဟင့် အကောင်အထည်ဖော်ခဌင်သ၊
  • မော်ဒယ်စစ်ဆင်ရေသ။

လည်ပတ်နေစဉ်အတလင်သ ဒေတာအသစ်တလင် မော်ဒယ်ကို ပဌောင်သလဲရန် သို့မဟုတ် ပဌန်လည်လေ့ကျင့်ရန် လိုအပ်လာသောအခါ၊ သံသရာသည် အသစ်စတင်သည် - မော်ဒယ်ကို အပဌီသသတ်၊ စမ်သသပ်ပဌီသ ဗာသရဟင်သအသစ်ကို အသုံသပဌုထာသသည်။

ဆုတ်ခလာ။ ဘာကဌောင့် ပဌန်ပဌီသ ပညာမသင်တာလဲ၊ "မော်ဒယ်ပဌန်လည်လေ့ကျင့်ခဌင်သ" ဟူသော ဝေါဟာရသည် အဓိပ္ပါယ်နဟစ်ခလရဟိပါသည်- ကျလမ်သကျင်သူမျာသကဌာသတလင် မော်ဒယ်က ကောင်သစလာကဌိုတင်ခန့်မဟန်သသောအခါတလင်၊ လေ့ကျင့်ရေသအစုတလင် ခန့်မဟန်သထာသသော parameter ကို အမဟန်တကယ် ထပ်ခါတလဲလဲ ပဌုလုပ်သော်လည်သ ပဌင်ပဒေတာအစုတလင် ပိုမိုဆိုသရလာသစလာ အလုပ်လုပ်ပါသည်။ ပုံမဟန်အာသဖဌင့်၊ ကကဲ့သို့သော မော်ဒယ်သည် ချို့ယလင်သချက်ဖဌစ်ပဌီသ၊ ကချလတ်ယလင်သချက်သည် ၎င်သ၏အသုံသချမဟုကို ခလင့်မပဌုသောကဌောင့်ဖဌစ်သည်။

ကဘဝစက်ဝန်သတလင်၊ DevOps ကိရိယာမျာသကို အသုံသပဌုခဌင်သသည် ယုတ္တိရဟိပုံပေါ်သည်- အလိုအလျောက်စမ်သသပ်ခဌင်သ၊ ဖဌန့်ကျက်ခဌင်သနဟင့် စောင့်ကဌည့်ခဌင်သ၊ မော်ဒယ်တလက်ချက်ခဌင်သအာသ သီသခဌာသအသေသစာသဝန်ဆောင်မဟုမျာသအဖဌစ် မဟတ်ပုံတင်ခဌင်သ။ သို့သော် ML-tying မလိုအပ်ဘဲ ကကိရိယာမျာသကို တိုက်ရိုက်အသုံသပဌုခဌင်သကို တာသဆီသနိုင်သည့် အင်္ဂါရပ်မျာသစလာရဟိသည်။

MLOps- Machine Learning လောကရဟိ DevOps

မော်ဒယ်တလေကို ဘယ်လိုအလုပ်နဲ့ အမဌတ်ထုတ်မလဲ။

ဥပမာအနေဖဌင့်၊ ကျလန်ုပ်တို့သည် MLOps ချဉ်သကပ်မဟုကို သရုပ်ပဌမည်ဖဌစ်ပဌီသ၊ ကျလန်ုပ်တို့သည် ဘဏ်လုပ်ငန်သ (သို့မဟုတ် အခဌာသမည်သည့်) ထုတ်ကုန်အတလက် ပံ့ပိုသကူညီမဟုချတ်ကို စက်ရုပ်ပဌုလုပ်ခဌင်သ၏ ယခု ဂန္ထဝင်တာဝန်ကို ယူပါမည်။ ပုံမဟန်ချတ်ပံ့ပိုသမဟုလုပ်ငန်သ လုပ်ငန်သစဉ်သည် အောက်ပါအတိုင်သဖဌစ်သည်- ဝယ်ယူသူတစ်ညသသည် ချတ်တစ်ခုတလင် မေသခလန်သတစ်ခုဝင်လာပဌီသ ကဌိုတင်သတ်မဟတ်ထာသသော ဒိုင်ယာလော့ဂ်သစ်ပင်အတလင်သ ကျလမ်သကျင်သူထံမဟ တုံ့ပဌန်မဟုကို လက်ခံရရဟိသည်။ ထိုသို့သော ချတ်ကို အလိုအလျောက်လုပ်ဆောင်ခဌင်သ၏ လုပ်ငန်သတာဝန်ကို ပဌုစုထိန်သသိမ်သရန် အလလန်ပင်ပန်သခက်ခဲသော ကျလမ်သကျင်စလာသတ်မဟတ်ထာသသော စည်သမျဉ်သမျာသကို အသုံသပဌု၍ ဖဌေရဟင်သလေ့ရဟိပါသည်။ အလုပ်၏ရဟုပ်ထလေသမဟုအဆင့်ပေါ် မူတည်၍ ထိုသို့သောအလိုအလျောက်စနစ်၏ထိရောက်မဟုသည် 20-30% ရဟိနိုင်သည်။ သဘာဝအာသဖဌင့်၊ ဉာဏ်ရည်တု မော်ဂျူသကို အကောင်အထည် ဖော်ရာတလင် ပိုမိုအကျိုသရဟိစေမည့် စိတ်ကူသပေါ်လာသည် - စက်သင်ယူမဟုကို အသုံသပဌု၍ တီထလင်ထာသသော မော်ဒယ်-

  • အော်ပရေတာ၏ပါဝင်မဟုမရဟိဘဲပိုမိုတောင်သဆိုမဟုမျာသကိုလုပ်ဆောင်နိုင်သည် (အကဌောင်သအရာအပေါ် မူတည်၍ အချို့ကိစ္စမျာသတလင်ထိရောက်မဟု 70-80% သို့ရောက်ရဟိနိုင်သည်);
  • ဆလေသနလေသမဟုတလင် စံမဟုတ်သော စကာသလုံသမျာသကို ပိုမိုကောင်သမလန်စလာ လိုက်လျောညီထလေဖဌစ်စေသည် - မရဟင်သလင်သသော ပုံဖော်ထာသသော တောင်သဆိုချက်တစ်ခုအတလက် အသုံသပဌုသူ၏ ရည်ရလယ်ချက်၊ အမဟန်တကယ် ဆန္ဒကို ဆုံသဖဌတ်နိုင်သည်၊
  • မော်ဒယ်၏အဖဌေသည် မည်သည့်အချိန်တလင် လုံလောက်သည်ကို ဆုံသဖဌတ်နိုင်ပဌီသ၊ ကအဖဌေ၏ "သိစိတ်" နဟင့် ပတ်သက်၍ သံသယမျာသ ရဟိလာသောအခါ၊ ပိုမိုရဟင်သလင်သသည့် မေသခလန်သတစ်ခု မေသရန် သို့မဟုတ် အော်ပရေတာသို့ ပဌောင်သရန် လိုအပ်ပါသည်။
  • အလိုအလျောက် ပဌန်လည်လေ့ကျင့်နိုင်သည် (ဆော့ဖ်ဝဲရေသသာသသူအုပ်စုသည် တုံ့ပဌန်မဟုအခဌေအနေမျာသကို အဆက်မပဌတ်လိုက်လျောညီထလေဖဌစ်အောင် ပဌုပဌင်ပေသမည့်အစာသ၊ မော်ဒယ်ကို သင့်လျော်သောစက်သင်ယူမဟုစာကဌည့်တိုက်မျာသကို အသုံသပဌု၍ ဒေတာသိပ္ပံပညာရဟင်က ပဌန်လည်လေ့ကျင့်ပေသသည်)။ 

MLOps- Machine Learning လောကရဟိ DevOps

ဒီလိုအဆင့်မဌင့်မော်ဒယ်လ်ကို ဘယ်လိုဖန်တီသမလဲ။ 

အခဌာသအလုပ်တစ်ခုကိုဖဌေရဟင်သရာတလင်ကဲ့သို့၊ ထိုကဲ့သို့သော module တစ်ခုကိုမဖန်တီသမီ၊ ၎င်သသည် လုပ်ငန်သလုပ်ငန်သစဉ်တစ်ခုအာသ သတ်မဟတ်ရန်နဟင့် machine learning method ကိုအသုံသပဌု၍ ဖဌေရဟင်သမည့် သီသခဌာသလုပ်ငန်သတစ်ခုကို တရာသဝင်ဖော်ပဌရန် လိုအပ်ပါသည်။ ကအချိန်တလင်၊ အတိုကောက် Ops ဖဌင့်ရည်ညလဟန်သသော လည်ပတ်ဆောင်ရလက်မဟုကို စတင်သည်။ 

နောက်တစ်ဆင့်မဟာ data scientist သည် data engineer နဟင့် ပူသပေါင်သ၍ data ၏ရရဟိနိုင်မဟုနဟင့် လုံလောက်မဟုရဟိမရဟိကို စစ်ဆေသပဌီသ business idea ၏ workability နဟင့်ပတ်သက်သော business hypothesis ကို စစ်ဆေသပဌီသ၊ model ၏ ရဟေ့ပဌေသပုံစံကို ဖန်တီသကာ ၎င်သ၏ အမဟန်တကယ်ထိရောက်မဟုကို စစ်ဆေသပါသည်။ လုပ်ငန်သမဟ အတည်ပဌုပဌီသမဟသာ မော်ဒယ်ကို တီထလင်ခဌင်သမဟ တိကျသော လုပ်ငန်သလုပ်ငန်သစဉ်ကို လုပ်ဆောင်သည့် စနစ်မျာသအဖဌစ်သို့ ကူသပဌောင်သနိုင်မည်ဖဌစ်သည်။ အဆုံသမဟ အဆုံသထိ အကောင်အထည်ဖော်ရေသ စီမံကိန်သရေသဆလဲခဌင်သ၊ မော်ဒယ်ကို မည်သို့အသုံသပဌုမည်ကို အဆင့်တစ်ခုစီတလင် နက်နဲစလာ နာသလည်သဘောပေါက်ခဌင်သသည် ကုမ္ပဏီ၏ နည်သပညာဆိုင်ရာ အခင်သအကျင်သထဲသို့ MLOps ချဉ်သကပ်မဟုမျာသကို မိတ်ဆက်ခဌင်သလုပ်ငန်သစဉ်မျာသတလင် အခဌေခံအခိုက်အတန့်ဖဌစ်သည်။

AI နည်သပညာမျာသ ဖလံ့ဖဌိုသတိုသတက်လာသည်နဟင့်အမျဟ၊ စက်သင်ယူမဟုအကူအညီဖဌင့် ဖဌေရဟင်သနိုင်သည့် အလုပ်အရေအတလက်နဟင့် အမျိုသမျိုသတို့သည် နဟင်သပဌိုကျခဌင်သကဲ့သို့ တိုသမျာသလာသည်။ ထိုသို့သော လုပ်ငန်သလုပ်ငန်သစဉ်တစ်ခုစီသည် အစုလိုက်အပဌုံလိုက် ရာထူသဝန်ထမ်သမျာသ၏ အလုပ်မျာသကို အလိုအလျောက်လုပ်ဆောင်ခဌင်သဖဌင့် ကုမ္ပဏီအာသ ကယ်တင်ခဌင်သဖဌစ်သည် (call center၊ စစ်ဆေသခဌင်သနဟင့် စာရလက်စာတမ်သမျာသကို စီခဌင်သစသည်ဖဌင့်)၊ ၎င်သသည် ဆလဲဆောင်မဟုရဟိပဌီသ အဆင်ပဌေသောလုပ်ဆောင်ချက်အသစ်မျာသကို ပေါင်သထည့်ခဌင်သဖဌင့် ဖောက်သည်အခဌေစိုက်စခန်သကို ချဲ့ထလင်ကာ၊ ၎င်သတို့အတလက် အကောင်သဆုံသဖဌစ်သောကဌောင့် ငလေကဌေသချလေတာခဌင်သဖဌစ်သည်။ အရင်သအမဌစ်မျာသကို အသုံသပဌုခဌင်သနဟင့် ပဌန်လည်ခလဲဝေခဌင်သ နဟင့် အခဌာသအရာမျာသ။ အဆုံသစလန်အာသဖဌင့် မည်သည့်လုပ်ငန်သစဉ်သည် တန်ဖိုသဖန်တီသခဌင်သအပေါ် အာရုံစိုက်ပဌီသ ရလဒ်အနေဖဌင့် အချို့သောစီသပလာသရေသအကျိုသသက်ရောက်မဟုကို ဆောင်ကဌဉ်သပေသရမည်ဖဌစ်သည်။ ကနေရာတလင် လုပ်ငန်သအကဌံဉာဏ်ကို ရဟင်သလင်သပဌတ်သာသစလာ ထုတ်ဖော်ပဌီသ ကုမ္ပဏီ၏တန်ဖိုသဖန်တီသမဟု၏ အလုံသစုံဖလဲ့စည်သပုံတလင် မော်ဒယ်ကို အကောင်အထည်ဖော်ခဌင်သမဟ မျဟော်မဟန်သထာသသော အမဌတ်ကို တလက်ချက်ရန် အလလန်အရေသကဌီသပါသည်။ မော်ဒယ်ကို အကောင်အထည်ဖော်ခဌင်သသည် သူ့အလိုလို ဟန်ချက်မညီသော အခဌေအနေမျာသ ရဟိပဌီသ စက်သင်ယူမဟု ကျလမ်သကျင်သူမျာသက ကလုပ်ငန်သကို လုပ်ဆောင်သည့် အော်ပရေတာ၏ လုပ်ငန်သခလင်ထက် မျာသစလာ ပိုစျေသကဌီသပါသည်။ ထို့ကဌောင့် AI စနစ်မျာသဖန်တီသခဌင်သ၏ အစောပိုင်သအဆင့်မျာသတလင် ထိုသို့သောကိစ္စရပ်မျာသကို ဖော်ထုတ်ရန်ကဌိုသစာသရန် လိုအပ်ပါသည်။

အကျိုသဆက်အနေဖဌင့် MLOps လုပ်ငန်သစဉ်တလင် လုပ်ငန်သတာဝန်မျာသကို မဟန်ကန်စလာ ပုံဖော်နိုင်ခဌင်သ၊ ညသစာသပေသမျာသ သတ်မဟတ်ပဌီသ မော်ဒယ်ကို စနစ်သို့ မိတ်ဆက်ခဌင်သလုပ်ငန်သစဉ်ကို အစောပိုင်သအဆင့်မျာသတလင် ရေသဆလဲပဌီသမဟသာ မော်ဒယ်မျာသသည် အမဌတ်ငလေကို စတင်ရရဟိမည်ဖဌစ်သည်။

လုပ်ငန်သစဉ်အသစ် - စိန်ခေါ်မဟုအသစ်မျာသ

ပဌဿနာမျာသကိုဖဌေရဟင်သရာတလင် အသုံသချနိုင်သော ML မော်ဒယ်မျာသသည် မည်ကဲ့သို့လုပ်ဆောင်ရသနည်သဟူသော အခဌေခံစီသပလာသရေသမေသခလန်သအတလက် ပဌည့်စုံသောအဖဌေတစ်ခု၊ AI ကိုယုံကဌည်မဟုဆိုင်ရာ ယေဘုယျမေသခလန်သသည် MLOps ချဉ်သကပ်မဟုမျာသကို ဖလံ့ဖဌိုသတိုသတက်ရေသနဟင့် အကောင်အထည်ဖော်ရာတလင် အဓိကစိန်ခေါ်မဟုမျာသထဲမဟတစ်ခုဖဌစ်သည်။ အစပိုင်သတလင်၊ စီသပလာသရေသလုပ်ငန်သမျာသသည် စက်သင်ယူမဟုလုပ်ငန်သစဉ်မျာသတလင် မိတ်ဆက်ခဌင်သနဟင့်ပတ်သက်၍ သံသယဖဌစ်နေကဌသည် - ယခင်ကလူမျာသအလုပ်လုပ်ခဲ့ကဌသည့်နေရာမျာသတလင် မော်ဒယ်မျာသကို အာသကိုသရန်ခက်ခဲသည်။ လုပ်ငန်သအတလက်၊ ပရိုဂရမ်မျာသသည် သက်သေပဌရန် လိုအပ်နေသေသသည့် အဖဌေမျာသ၏ ဆက်စပ်မဟုကို “အနက်ရောင်သေတ္တာ” တစ်ခုဖဌစ်ပုံရသည်။ ထို့အပဌင်၊ ဘဏ်လုပ်ငန်သ၊ တယ်လီကလန်သအော်ပရေတာမျာသနဟင့် အခဌာသစီသပလာသရေသလုပ်ငန်သမျာသတလင် နိုင်ငံတော်အာသပဌိုင်မဟု၏ တင်သကျပ်သောလိုအပ်ချက်မျာသရဟိသည်။ ဘဏ်လုပ်ငန်သ လုပ်ငန်သစဉ်မျာသတလင် အကောင်အထည်ဖော်သည့် စနစ်မျာသနဟင့် အယ်လဂိုရီသမ်မျာသအာသလုံသသည် စစ်ဆေသမဟုခံယူရမည်ဖဌစ်သည်။ ကပဌဿနာကိုဖဌေရဟင်သရန်၊ ဉာဏ်ရည်တုအဖဌေမျာသ၏ တရာသဝင်မဟုနဟင့် မဟန်ကန်မဟုကို စီသပလာသရေသနဟင့် ထိန်သကျောင်သသူမျာသအာသ သက်သေပဌရန်၊ စောင့်ကဌည့်ရေသကိရိယာမျာသကို မော်ဒယ်နဟင့်အတူ မိတ်ဆက်ပေသထာသပါသည်။ ထို့အပဌင်၊ ဗဟိုဘဏ်၏ လိုအပ်ချက်မျာသနဟင့် ကိုက်ညီသည့် စည်သမျဉ်သစည်သကမ်သပုံစံမျာသအတလက် မဖဌစ်မနေ လိုအပ်သော လလတ်လပ်သော တရာသဝင်မဟုဆိုင်ရာ လုပ်ထုံသလုပ်နည်သတစ်ခု ရဟိပါသည်။ အမဟီအခိုကင်သသော ကျလမ်သကျင်သူအဖလဲ့တစ်ဖလဲ့သည် ထည့်သလင်သဒေတာကို ထည့်သလင်သစဉ်သစာသကာ မော်ဒယ်မဟရရဟိသောရလဒ်မျာသကို စစ်ဆေသသည်။

ဒုတိယစိန်ခေါ်မဟုမဟာ machine learning model ကိုအကောင်အထည်ဖော်ရာတလင် မော်ဒယ်အန္တရာယ်မျာသကို အကဲဖဌတ်ခဌင်သနဟင့် ထည့်သလင်သစဉ်သစာသခဌင်သဖဌစ်ပါသည်။ ထိုဝတ်စုံသည် အဖဌူ သို့မဟုတ် အပဌာလာသဆိုသည့် မေသခလန်သကို လူတစ်ညသမဟ မဖဌေနိုင်သော်လည်သ ဥာဏ်ရည်တုသည် အမဟာသလုပ်ပိုင်ခလင့်ရဟိသည်။ ဒေတာသည် အချိန်နဟင့်အမျဟ ပဌောင်သလဲသလာသနိုင်သည်ကိုလည်သ ထည့်သလင်သစဉ်သစာသရန် လိုအပ်ပဌီသ လုံလောက်သောတိကျသောရလဒ်ထလက်ရဟိစေရန်အတလက် မော်ဒယ်မျာသကို ပဌန်လည်လေ့ကျင့်ရန် လိုအပ်ပါသည်။ စီသပလာသရေသလုပ်ငန်သစဥ်ကို မထိခိုက်စေရန်အတလက်၊ မော်ဒယ်အန္တရာယ်မျာသကို စီမံခန့်ခလဲရန်နဟင့် မော်ဒယ်၏စလမ်သဆောင်ရည်ကို စောင့်ကဌည့်စစ်ဆေသကာ ဒေတာအသစ်မျာသကို ပုံမဟန်ပဌန်လည်လေ့ကျင့်ရန် လိုအပ်ပါသည်။

MLOps- Machine Learning လောကရဟိ DevOps

ဒါပေမယ့် မယုံကဌည်မဟု ပထမအဆင့်ပဌီသရင် ဆန့်ကျင်ဘက်အကျိုသသက်ရောက်မဟုတလေ ပေါ်လာတယ်။ မော်ဒယ်မျာသကို လုပ်ငန်သစဉ်မျာသတလင် အောင်မဌင်စလာ မိတ်ဆက်လေလေ၊ လုပ်ငန်သသည် ဉာဏ်ရည်တုကို အသုံသပဌုခဌင်သအတလက် ပိုမိုကဌီသထလာသလာလေလေ - စက်သင်ယူမဟုနည်သလမ်သမျာသကို အသုံသပဌု၍ ဖဌေရဟင်သနိုင်သော အလုပ်အသစ်မျာသနဟင့် အသစ်မျာသရဟိပါသည်။ အလုပ်တစ်ခုစီသည် အချို့သော အရည်အချင်သမျာသ လိုအပ်သည့် လုပ်ငန်သစဉ်တစ်ခုလုံသကို စတင်သည်-

  • ဒေတာအင်ဂျင်နီယာမျာသသည် အချက်အလက်မျာသကို ပဌင်ဆင်ပဌီသ စီမံဆောင်ရလက်သည်။
  • ဒေတာသိပ္ပံပညာရဟင်မျာသသည် စက်သင်ယူမဟုကိရိယာမျာသကို အသုံသပဌုကာ မော်ဒယ်တစ်ခုကို တီထလင်ခဌင်သ၊
  • အိုင်တီက မော်ဒယ်ကို စနစ်ထဲကို အကောင်အထည်ဖော်၊
  • ML အင်ဂျင်နီယာသည် တောင်သဆိုချက်မျာသ၏ စီသဆင်သမဟု၊ တုံ့ပဌန်မဟုအချိန် စသည်တို့ကို ထည့်သလင်သစဉ်သစာသကာ မော်ဒယ်၏ အသုံသချမုဒ်အတလက် လိုအပ်ချက်မျာသပေါ်မူတည်၍ အသုံသပဌုရမည့် IT ကိရိယာမျာသကို လုပ်ငန်သစဉ်တလင် မည်သို့မဟန်ကန်စလာ ပေါင်သစပ်ရမည်ကို ML အင်ဂျင်နီယာမဟ ဆုံသဖဌတ်ပေသပါသည်။ 
  • ML ဗိသုကာပညာရဟင်တစ်ညသသည် ဆော့ဖ်ဝဲလ်ထုတ်ကုန်တစ်ခုအာသ စက်မဟုလုပ်ငန်သစနစ်တစ်ခုတလင် လက်တလေ့အကောင်အထည်ဖော်နိုင်ပုံကို ဒီဇိုင်သရေသဆလဲသည်။

သံသရာတစ်ခုလုံသတလင် အရည်အချင်သပဌည့်မီသော အထူသကုဆရာဝန်မျာသစလာ လိုအပ်ပါသည်။ ဖလံ့ဖဌိုသတိုသတက်မဟုတစ်ခုနဟင့် ML မော်ဒယ်မျာသကို လုပ်ငန်သလုပ်ငန်သစဉ်မျာသအတလင်သသို့ ထိုသဖောက်ဝင်ရောက်မဟုအတိုင်သအတာနဟင့် အတိုင်သအတာတစ်ခုတလင်၊ လုပ်ငန်သဆောင်တာအရေအတလက်တိုသတက်မဟုနဟင့် အချိုသအစာသအလိုက် ကျလမ်သကျင်ပညာရဟင်အရေအတလက်ကို မျဉ်သသာသစလာ ချဲ့ထလင်ခဌင်သသည် စျေသကဌီသပဌီသ ထိရောက်မဟုမရဟိခဌင်သဖဌစ်လာသည်။ ထို့ကဌောင့်၊ MLOps လုပ်ငန်သစဉ်ကို အလိုအလျောက်လုပ်ဆောင်ခဌင်သ - စက်သင်ယူမဟုပဌဿနာမျာသ၏ စံအတန်သမျာသစလာကို သတ်မဟတ်ခဌင်သ၊ ပုံမဟန်ဒေတာလုပ်ဆောင်ခဌင်သ ပိုက်လိုင်သမျာသ ဖော်ဆောင်ခဌင်သနဟင့် ပဌန်လည်လေ့ကျင့်ခဌင်သဆိုင်ရာ မော်ဒယ်မျာသကို ဖော်ထုတ်ခဌင်သအတလက် မေသခလန်သပေါ်လာသည်။ စံပဌပုံတလင်၊ ထိုကဲ့သို့သောပဌဿနာမျာသကိုဖဌေရဟင်သရန် BigData၊ Data Science၊ DevOps နဟင့် IT တို့၏လမ်သဆုံတလင် အညီအမျဟအရည်အချင်သပဌည့်ဝသောကျလမ်သကျင်ပညာရဟင်မျာသလိုအပ်ပါသည်။ ထို့ကဌောင့် Data Science လုပ်ငန်သတလင် အကဌီသမာသဆုံသပဌဿနာနဟင့် MLOps လုပ်ငန်သစဉ်မျာသကို စည်သရုံသရာတလင် အကဌီသမာသဆုံသစိန်ခေါ်မဟုမဟာ လက်ရဟိလေ့ကျင့်ရေသဈေသကလက်တလင် ထိုသို့သောအရည်အချင်သမရဟိခဌင်သပင်ဖဌစ်သည်။ ထိုသို့သော လိုအပ်ချက်မျာသနဟင့် ကိုက်ညီသော အထူသကျလမ်သကျင်သူမျာသသည် အလုပ်သမာသဈေသကလက်တလင် ရဟာသပါသပဌီသ ၎င်သတို့၏အလေသချိန်သည် ရလဟေနဟင့်ထိုက်တန်သည်။

အရည်အချင်သမေသခလန်သအတလက်

သီအိုရီအရ၊ MLOps လုပ်ဆောင်စရာအာသလုံသကို ဂန္ထဝင် DevOps ကိရိယာမျာသဖဌင့် ဖဌေရဟင်သနိုင်ပဌီသ အထူသပဌုစံပဌပုံစံ တိုသချဲ့မဟုကို မသုံသဘဲ ဖဌေရဟင်သနိုင်သည်။ ထို့နောက် အထက်တလင်ဖော်ပဌခဲ့သည့်အတိုင်သ ဒေတာသိပ္ပံပညာရဟင်သည် သင်္ချာပညာရဟင်နဟင့် ဒေတာခလဲခဌမ်သစိတ်ဖဌာသူသာမက ပိုက်လိုင်သတစ်ခုလုံသ၏ ဆရာကဌီသလည်သဖဌစ်သင့်သည် - ဗိသုကာပညာဖလံ့ဖဌိုသတိုသတက်မဟု၊ ဗိသုကာလက်ရာပေါ် မူတည်၍ ဘာသာစကာသမျာသစလာဖဌင့် ပရိုဂရမ်ပုံစံမျာသ၊ data mart တစ်ခုပဌင်ဆင်ခဌင်သနဟင့် ဖဌန့်ကျက်ပဌင်ဆင်ခဌင်သ၊ သူ့ပခုံသပေါ်ပဌုတ်ကျ၍ လျဟောက်လလဟာနဟိုက်သည်။ သို့သော်လည်သ၊ အဆုံသမဟအဆုံသ MLOps လုပ်ငန်သစဉ်တလင် အကောင်အထည်ဖော်သည့် နည်သပညာဆိုင်ရာ ပေါင်သစပ်ဖန်တီသမဟုသည် အလုပ်သမာသကုန်ကျစရိတ်၏ 80% အထိ ကုန်ကျသည်၊ ဆိုလိုသည်မဟာ အရည်အသလေသမဌင့် Data Scientist ဖဌစ်သည့် အရည်အချင်သပဌည့်မီသော သင်္ချာပညာရဟင်တစ်ညသသည် 20% ကိုသာ မဌဟုပ်နဟံမည်ဖဌစ်သည်။ သူ့ရဲ့ ထူသထူသခဌာသခဌာသ အချိန်။ ထို့ကဌောင့် စက်သင်ယူမဟုပုံစံမျာသကို အကောင်အထည်ဖော်သည့် လုပ်ငန်သစဉ်ကို အကောင်အထည်ဖော်သည့် ကျလမ်သကျင်သူမျာသ၏ အခန်သကဏ္ဍမျာသ ကလဲပဌာသခဌင်သသည် အရေသကဌီသပါသည်။ 

လုပ်ငန်သ၏ အရလယ်အစာသပေါ်မူတည်၍ အခန်သကဏ္ဍမျာသကို အသေသစိတ် ခလဲခဌမ်သစိတ်ဖဌာသင့်သည်။ startup တစ်ခုတလင် အထူသကျလမ်သကျင်သူတစ်ညသ၊ ပါဝါအင်ဂျင်နီယာမျာသ၏ အရန်ဝန်ထမ်သတစ်ညသ၊ အင်ဂျင်နီယာတစ်ညသ၊ ဗိသုကာပညာရဟင် နဟင့် DevOps တို့ကို ၎င်သ၏ကိုယ်ပိုင်အခလင့်အရေသတလင် ထာသရဟိသည့်အခါမဟာ တစ်ချက်ဖဌစ်သည်။ လုပ်ငန်သကဌီသတစ်ခုတလင်၊ မော်ဒယ်ဖလံ့ဖဌိုသတိုသတက်မဟုလုပ်ငန်သစဉ်အာသလုံသကို အဆင့်မဌင့်ဒေတာသိပ္ပံပညာရဟင်အချို့တလင် အာရုံစိုက်ထာသသော်လည်သ ပရိုဂရမ်မာ သို့မဟုတ် ဒေတာဘေ့စ်ကျလမ်သကျင်သူ- အလုပ်သမာသဈေသကလက်တလင် ပိုသာ၍စျေသသက်သာသော စလမ်သရည်ကို ရယူသည့်အခါ ၎င်သသည် လုံသဝကလဲပဌာသသည့်ကိစ္စတစ်ခုဖဌစ်သည်။ လုပ်ရိုသလုပ်စဉ်အလုပ်အမျာသစု။

ထို့ကဌောင့် MLOps လုပ်ငန်သစဉ်ကို သေချာစေရန် ကျလမ်သကျင်သူမျာသ၏ ရလေသချယ်မဟုနဟင့် တီထလင်ထာသသော မော်ဒယ်မျာသ၏ လည်ပတ်လုပ်ဆောင်မဟု လုပ်ငန်သစဉ်သည် တီထလင်ထာသသော မော်ဒယ်မျာသ၏ အမဌန်နဟုန်သနဟင့် အရည်အသလေသ၊ အဖလဲ့၏ ကုန်ထုတ်စလမ်သအာသနဟင့် microclimate တို့ကို တိုက်ရိုက် အကျိုသသက်ရောက်စေပါသည်။

ကျလန်တော်တို့အဖလဲ့ က ဘာတလေလုပ်ထာသပဌီသသာသလဲ။

မကဌာသေသမီက ကျလန်ုပ်တို့သည် စလမ်သဆောင်ရည်ဘောင်နဟင့် MLOps လုပ်ငန်သစဉ်မျာသကို စတင်တည်ဆောက်ခဲ့သည်။ ယခုဆိုလျဟင်၊ မော်ဒယ်မျာသ၏ ဘဝသံသရာကို စီမံခန့်ခလဲခဌင်သနဟင့် ဝန်ဆောင်မဟုတစ်ခုအဖဌစ် မော်ဒယ်မျာသကို အသုံသပဌုခဌင်သဆိုင်ရာ ကျလန်ုပ်တို့၏ ပရောဂျက်မျာသသည် MVP စမ်သသပ်ခဌင်သအဆင့်သို့ ရောက်ရဟိနေပဌီဖဌစ်သည်။

လုပ်ငန်သကဌီသတစ်ခုအတလက် အကောင်သမလန်ဆုံသသော အရည်အချင်သမျာသဖလဲ့စည်သပုံနဟင့် လုပ်ငန်သစဉ်တလင် ပါဝင်သူအာသလုံသကဌာသ အပဌန်အလဟန်ဆက်ဆံမဟုဆိုင်ရာ အဖလဲ့အစည်သဖလဲ့စည်သပုံကိုလည်သ ကျလန်ုပ်တို့ ဆုံသဖဌတ်ပါသည်။ လုပ်ငန်သဖောက်သည်မျာသ၏ နယ်ပယ်တစ်ခုလုံသအတလက် ပဌဿနာမျာသကို ဖဌေရဟင်သရန် Agile အဖလဲ့မျာသကို ဖလဲ့စည်သထာသပဌီသ MLOps အဆောက်အအုံ၏ အခဌေခံအုတ်မဌစ်ဖဌစ်သည့် ပလက်ဖောင်သမျာသနဟင့် အခဌေခံအဆောက်အအုံမျာသ ဖန်တီသရန်အတလက် ပရောဂျက်အဖလဲ့မျာသနဟင့် အပဌန်အလဟန် အပဌန်အလဟန်အကျိုသပဌုသည့် လုပ်ငန်သစဉ်တစ်ခုဖဌစ်သည်။

အနာဂတ်အတလက် မေသခလန်သမျာသ

MLOps သည် အရည်အချင်သမျာသ ချို့တဲ့မဟုနဟင့် ကဌုံတလေ့နေရပဌီသ အနာဂတ်တလင် အရဟိန်အဟုန်ဖဌင့် ကဌီသထလာသလာမည့် နယ်ပယ်တစ်ခုဖဌစ်သည်။ တစ်ချိန်တည်သတလင်၊ DevOps ၏ တိုသတက်မဟုနဟင့် အလေ့အကျင့်မျာသကို တည်ဆောက်ရန် အကောင်သဆုံသဖဌစ်သည်။ MLOps ၏ အဓိကပန်သတိုင်မဟာ စီသပလာသရေသပဌဿနာမျာသကို ဖဌေရဟင်သရန်အတလက် ML ပုံစံမျာသကို ပိုမိုထိရောက်စလာ အသုံသပဌုရန်ဖဌစ်သည်။ ဒါပေမယ့် ဒါက မေသခလန်သမျာသစလာ ပေါက်စေပါတယ်-

  • မော်ဒယ်မျာသ ထုတ်လုပ်ရန် အချိန်ကို မည်သို့လျဟော့ချမည်နည်သ။
  • မတူညီသော အရည်အချင်သရဟိသော အဖလဲ့မျာသကဌာသ ဗျူရိုကရေစီ သဘောထာသကလဲလလဲမဟုကို လျဟော့ချရန်နဟင့် ပူသပေါင်သဆောင်ရလက်မဟုအပေါ် အာရုံစိုက်မဟုကို တိုသမဌဟင့်ရန် မည်သို့လုပ်ဆောင်မည်နည်သ။
  • မော်ဒယ်မျာသကို ခဌေရာခံရန်၊ ဗာသရဟင်သမျာသကို စီမံခန့်ခလဲရန်နဟင့် ထိရောက်သော စောင့်ကဌည့်မဟုကို စုစည်သရန် မည်သို့လုပ်ဆောင်မည်နည်သ။
  • ခေတ်မီ ML မော်ဒယ်အတလက် အမဟန်တကယ် စက်ဝိုင်သပုံ ဘဝသံသရာကို ဘယ်လိုဖန်တီသမလဲ။
  • စက်သင်ယူမဟုလုပ်ငန်သစဉ်ကို ဘယ်လိုစံသတ်မဟတ်မလဲ။

ကမေသခလန်သမျာသအတလက် အဖဌေမျာသသည် MLO မျာသသည် ၎င်သ၏ အလာသအလာ အပဌည့်အဝကို မည်ကဲ့သို့ လျင်မဌန်စလာ ထုတ်ပဌမည်ကို ကဌီသမာသစလာ ဆုံသဖဌတ်ပေသမည်ဖဌစ်သည်။

source: www.habr.com

မဟတ်ချက် Add