MLOps (Machine Learning Operations) дүйнөлүк рыногу, маалымат илимпоздоруна машина үйрөнүүнү жайылтуу процесстерин жөнөкөйлөтүүгө жана оптималдаштырууга жардам берген чечимдер 45-жылга чейин дээрлик 2030% жылдык орточо өсүшкө ээ болот. Долбоорду Valuates Reports изилдөө фирмасы жасаган, сегменттин баасы 186,4 миллион АКШ долларынан 2023 миллиард АКШ долларына чейин секирип, 3.6 миллиард долларга жеткен. Бул рыноктун өсүшүнүн негизги себептеринин бири болжолдуу моделдерин иштеп чыгуу үчүн мөөнөттүн кыскарышы болушу мүмкүн. Баалоону Карлос Релвас, Datarisk компаниясынын башкы маалымат адиси, концепцияда баалуулуктарды түзүү үчүн жасалма интеллектти колдонууга адистешкен.кызмат катары чечим».
Анын айтымында, салттуу ыкмаларды колдонуу менен окшош системаларды иштеп чыгуу үчүн уюмдар сектордун татаалдыгына жараша орто эсеп менен эки-үч жуманы талап кылат.
"Экинчи жагынан, MLOps колдонууда, маалымат таануучу бүт түзүү процессин автоматташтыра алат. Биринчиден, ал алгоритмдерди сынап, кайсынысы жакшы иштээрин көрүү үчүн автоматтык машина үйрөнүү аркылуу бардык моделди үйрөтөт. Бул учурда, илимпоз, эгерде ал кааласа, анда бар болгон кодду жүктөй алат жана бардык документтерди жана бардык коддорду сактап, ошону менен бардык маалымат базаларынын документтеринин корголушун камсыздай алат. MLOpsтин ийгилиги бул кадамдардын баарын жок кылганы менен шартталган, моделди жаратуучу өзү жоопкерчиликтүү жана долбоордун башынан аягына чейин бардык нерсеге ээ», - дейт ал.
2024-жылы Datarisk насыя берүү, алдамчылык тобокелдиги, жумуш ордун өзгөртүүгө ыктоо, айыл чарбасындагы өндүрүмдүүлүк жана башкалар сыяктуу иш-аракеттерде алдыңкы компанияларды тейлөөгө багытталган рынокко MLOps чечимин чыгарды. Ушул жылдын биринчи жарымында гана курал 10 миллиондон ашык суроо-талаптарды аткаруу үчүн колдонулган жана бул технологиянын колдонуучулары алган артыкчылыктардын арасында эң чоң өзгөчөлүктөрдүн бири убакыттын кыскарышы болгон. Стартаптын MLOps менен орточо үч жумалык жүгүртүү убактысы бир нече саатка чейин кыскарды.
Карлос Релвас андан ары түшүндүрөт, бул биринчи тренинг курулгандан кийин, экинчи этап Datarisk's MLOps платформасынын өзүндө башталат, бул илимпоз тышкы чөйрөдө колдонула турган модель үчүн автоматтык түрдө API түзө алат. Үчүнчү этап, анын айтымында, чечимди башкаруу. Бул этапта, максат - иштелип чыккан, үйрөтүлгөн жана колдонулуп жаткан бул моделдин убакыттын өтүшү менен жакшы иштешин камсыз кылуу. "Куралдар баары пландаштырылгандай иштеп жатканын гана эмес, ошондой эле моделдин сапатын өлчөөгө мүмкүндүк берүү үчүн колдонмолоруңуздун колдонулушун да, API'лердин иштешин да көзөмөлдөй алат. Чечим, мисалы, убакыттын өтүшү менен өзгөргөн кандайдыр бир өзгөрмө бар же жок экенин текшерүүгө мүмкүндүк берет жана моделдин иштешин жоготуп жатса, акыркы колдонуучуга эскертүүлөрдү жөнөтөт "деди ал.
Рыноктун кабыл алуучулугу жана Datarisk жасаган перспективалары компанияга 2025-жылдын аягына чейин бул чечимди колдонуу көлөмүнөн беш эседен ашык өсүүнү болжолдоого мүмкүндүк берет.
Datariskтин негиздөөчүсү жана башкы директору Джоната Эмерик Бразилияда MLOps концепциясына негизделген чечимдерди сунуш кылууда пионер болуу менен стартап өзүнүн негизги бизнес тезистерин жетилген жана өркүндөтүү стратегиясын иш жүзүндө ишке ашырып жатканын түшүндүрөт. "Биз рыноктун муктаждыктарын тереңирээк түшүнөбүз жана азыр өлкөдөгү маалымат илиминин чындыгын такыр ылайыктуу түрдө өзгөртүүгө жөндөмдүү чечимдерди сунуштоого даярбыз" дейт ал.
Эмериктин айтымында, болжолдуу моделдерди иштеп чыгуунун конкреттүү учурда, MLOps чечимдери компанияларга маалымат аймагын учурда талап кылынган шамдагайлык менен башкаруунун кереги жок болгон убакытка арналган жай ички процесстерге жооп катары пайда болот.
"IT-кезеги системалары жалпысынан кабыл алынат, мында маалымат илими аймагы моделди түзүп бүтүп, аны API түзүү үчүн инженердик аймакка өткөрүп берет. Бул, өз кезегинде, ал, мисалы, кредиттик кыймылдаткыч командасына долбоорду өткөрүп жатканда, анын бир бөлүгүн аткаруу үчүн бир топ убакыт талап кылынат, ал акыры бул API ишке ашыра алат, бул башка мөөнөттөрдү алып келет. Натый-жада модель ишке ашырылганда абал башкача болот. Ошондуктан MLOps чечими оптималдаштыруу жагынан абдан эффективдүү», - деп жыйынтыктады ал.
