Μια ροή εργασίας μηχανικής μάθησης ή τεχνητής νοημοσύνης μπορεί να δημιουργήσει αξία σε ένα σημειωματάριο και να αποτύχει στην παραγωγή. Το πρόβλημα συνήθως δεν είναι μόνο το μοντέλο. Είναι η διαδικασία λειτουργίας γύρω από το μοντέλο: έκδοση εκδόσεων, ανάπτυξη, ανανέωση, παρακολούθηση, τεκμηρίωση και ιδιοκτησία.
Εκεί έχουν σημασία τα MLOps. Για μικρές και μεσαίες ομάδες, τα MLO θα πρέπει να είναι πρακτικά, όχι βαριά. Ο στόχος είναι να γίνουν οι ροές εργασιών τεχνητής νοημοσύνης και ανάλυσης αρκετά επαναλαμβανόμενες ώστε να είναι αξιόπιστες.
Το κενό του σημειωματάριου
Πολλές ομάδες ξεκινούν με σημειωματάρια επειδή είναι γρήγοροι και ευέλικτοι. Αυτό είναι καλό για εξερεύνηση. Το κενό εμφανίζεται όταν η ροή εργασιών πρέπει να εκτελείται τακτικά, να εξυπηρετεί άλλους χρήστες ή να υποστηρίζει επιχειρηματικές αποφάσεις.
Σε εκείνο το σημείο, η ομάδα πρέπει να γνωρίζει ποια δεδομένα χρησιμοποιήθηκαν, ποια έκδοση κώδικα παρήγαγε την έξοδο, πού ζει το τεχνούργημα του μοντέλου, πώς εντοπίζονται οι αστοχίες και ποιος μπορεί να ενημερώσει τη διαδικασία.
Τα ελαφριά MLOps είναι συνήθως αρκετά στην αρχή
Οι μικρές ομάδες δεν χρειάζονται πάντα μια πολύπλοκη πλατφόρμα. Συχνά χρειάζονται ένα καθαρό αποθετήριο, διαχείριση περιβάλλοντος, προγραμματισμένες εργασίες, βασικές δοκιμές, καταγραφή, τεκμηρίωση και σαφείς κανόνες μεταβίβασης.
Η υπηρεσία παρακολούθησης MLOps και μοντέλου εστιάζει σε αυτήν την πρακτική μετάβαση από το πείραμα στο σύστημα συντήρησης.
Η παραγωγή αλλάζει τη νοοτροπία
Μόλις μια ροή εργασίας υποστηρίζει πραγματικές αποφάσεις, το πρότυπο αλλάζει. Πρέπει να είναι ευκολότερη η επανάληψη, η επεξήγηση, η ενημέρωση και ο έλεγχος. Αυτό δεν αφαιρεί τον πειραματισμό. Δημιουργεί μια σταθερή διαδρομή από τον πειραματισμό στη λειτουργία.
Για τις ροές εργασίας AI, αυτό σημαίνει επίσης τον καθορισμό σημείων ανασκόπησης. Ποιες έξοδοι μπορούν να αυτοματοποιηθούν; Ποια χρειάζονται ανθρώπινη έγκριση; Ποια δεδομένα δεν πρέπει ποτέ να αποστέλλονται σε εξωτερικό σύστημα; Αυτές είναι λειτουργικές αποφάσεις όσο και τεχνικές.
Δημιουργήστε στοιχεία ελέγχου γύρω από την πρώτη πολύτιμη ροή εργασίας
Το καλύτερο σημείο εκκίνησης είναι μια ροή εργασίας που έχει ήδη αξία. Κατασκευάστε το πρώτα: εκδώστε το, προγραμματίστε το, τεκμηριώστε το και κάντε σαφή την ιδιοκτησία.
Αφού μια ροή εργασίας είναι σταθερή, η ομάδα έχει ένα μοτίβο που μπορεί να επαναχρησιμοποιήσει. Αυτός είναι ο τρόπος με τον οποίο τα MLOps γίνονται συνήθεια παράδοσης και όχι εταιρικό τσιτάτο.
