Аналитики операций машинного обучения (MLOPs) ворвались на сцену, поскольку среди предприятий вырос спрос на последовательную и надежную информацию внутри компании. В этой статье один из аналитиков MLOps, Моника Жепецка, рассказывает, что включает в себя эта роль и что она дает в стратегическом плане.
Операции машинного обучения (MLOPs) — очень новая область. Он все еще развивается, и у компаний разные представления о том, что это за роль.
У предприятий его еще нет, и они рассматривают возможность внедрения MLOps в будущем. По сути, аналитики MLOps являются частью команды специалистов по обработке и анализу данных и делают проекты машинного обучения или ИИ более систематизированными, воспроизводимыми и хорошо поддерживаемыми.
В то время как специалисты по данным сосредотачиваются на разработке алгоритмов и интерпретации информации, MLOps концентрируются на том, чтобы модель работала наилучшим образом в условиях меняющихся требований. Аналитики отслеживают показатели алгоритмов, улучшают производительность и устанавливают лучшие практики.
Проекты по науке о данных обычно состоят из следующих этапов: определение объема, сбор данных, обучение модели и развертывание ее в рабочей среде. После этого в дело вступает MLOps, аналитики оценивают и контролируют жизнеспособность модели во время использования.
Например, по мере добавления различных данных из новых точек продаж или клиентских интерфейсов, или по мере роста бизнес-среды. Аналитики MLOps также играют важную реактивную роль. Это происходит, когда те, кто использует аналитику, запрашивают результаты или замечают неправильное поведение. В этот момент они определяют источник проблемы и устраняют ее.

Несмотря на то, что еще нет учебника по тому, что должны предоставлять MLOps, основное ожидание состоит в том, что мы используем системный подход к машинному обучению.
Аналитики гарантируют, что результат будет согласованным по качеству и эффективности, а также будет прозрачным и надежным. Это относится как к исторической, так и к прогнозной аналитике.
Они также обеспечивают значительную операционную эффективность, позволяя специалистам по данным сосредоточиться на своих основных областях, а не на мониторинге и опросе использования кода.
Поскольку мы используем огромное количество данных, чтобы подпитывать наши идеи бизнес-аналитики, MLOps имеет решающее значение. Мы превратились из традиционной компании, занимающейся исследованиями рынка, в надежного поставщика предписывающей аналитики данных, основанной на инновационных технологиях.
Как и во всех компаниях, которые полагаются на науку о данных, крайне важно, чтобы наши аналитические данные, основанные на данных, были прозрачными и надежными, а все процессы — последовательными и эффективными. В настоящее время у нас есть два штатных аналитика MLOps, одну позицию мы набираем прямо сейчас, и мы рассчитываем набрать больше.
Но мы знаем, что это относительно новая роль, и навыки и опыт людей довольно сильно различаются. Мой собственный опыт работы с качественными методами в экономике, работа с алгоритмами машинного обучения и инструментами мониторинга.
Что важно, так это любопытство к данным. Чтобы было интересно, что происходит. Чтобы иметь возможность углубляться в массы данных, выявлять закономерности и определять, что работает, а что нет.
Нам также необходимо понимание моделей и алгоритмов машинного обучения, а также навыки и энтузиазм для исследования и внедрения важных изменений.

Сохранение талантов для укрепления будущего с помощью операций машинного обучения

Многие аналитики MLOps ищут возможность расти в этой роли и вносить ощутимые изменения в то, как работает компания. Мы начинаем с чистого листа бумаги.
Мы относимся к тому типу людей, которые преуспевают, когда им позволяют вводить новшества, чтобы найти лучшие способы работы. Аналитики MLOps любят пространство для глубокого погружения и формируют роль по мере того, как бизнес расширяет использование аналитики.
Создание такой среды доверия и свободы будет важно для компаний, учитывая растущий спрос на аналитиков MLOps.
В ближайшие годы MLOps будут стремительно развиваться в различных организациях, особенно по мере роста интереса к этой роли среди бизнес-лидеров.
Будет ускоряться рост того, что MLOps предоставляет для различных предприятий, доступных интеллектуальных инструментов и того, что возможно в сотрудничестве с командой специалистов по обработке и анализу данных.

Источник: https://www.gfk.com/blog/mlops-the-new-role-in-data-science