Тржиште операција машинског учења за раст 451ТП3Т годишње до 2030

Глобално тржиште MLOps (Мацхине Леарнинг Оператионс), решења која помажу научницима података да поједноставе и оптимизују процесе распоређивања машинског учења, имаће просечан годишњи раст од скоро 45% до 2030. Пројекцију је направила истраживачка компанија Valuates Reports, која процењује скок у процени сегмента US$ 186,4 милиона, остварен 2023. године, за US$ 3.6 bi. Један од главних разлога за загревање овог тржишта може бити смањење термина за развој предиктивних модела компаније.“одлука као услуга.

Да би се развили слични системи са традиционалним методама, организације у просеку трају две до три недеље, у зависности од сложености индустрије.  

“С друге стране, коришћењем МЛОпс научник података може аутоматизовати цео процес креирања. Прво ради све део обуке модела кроз аутоматско машинско учење које тестира алгоритме да види који најбоље функционише. У овом тренутку, научник може такође, ако жели, отпремити код који већ има своје и сачувати све документе и све кодове, чиме се обезбеђује заштита документације свих база података. Успех МЛОпс-а је због чињенице да елиминише све ове кораке са креатором модела који је сам одговоран и да има у руци све што му треба да иде од почетка до краја пројекта, каже он.

У 2024. години, Датариск је на тржиште лансирао МЛОпс решење фокусирано на опслуживање водећих компанија у активностима као што су одобравање кредита, ризик од преваре, склоност промени посла, продуктивност у агро-у, између осталог. Само током прве половине ове године, алат је коришћен за обављање обима више од 10 милиона упита и, међу предностима које су добили корисници ове технологије, један од највећих нагласака био је управо смањење времена. Са стартуп МЛОпс-ом, просечан рок од три недеље пао је на питање сати.

Царлос Релвас такође објашњава да, након што је изграђена ова прва обука, улази други корак унутар саме платформе Датариск МЛОпс, која је део у којем научник може аутоматски, сам, креирати АПИ за модел који ће се користити у спољним окружењима. Трећи корак, према њему, је управљање решењем. У овој фази, циљ је да се осигура да овај модел који је развијен, обучен и који се користи наставља да има добре перформансе током времена.“ алат може да прати и употребу својих апликација и рад АПИ-а како би се осигурало не само да све функционише како је планирано, већ и да се дозвољава мерење самог модела промене самог решења.

 Тржишна рецептивност и изгледи које је Датариск направио омогућавају компанији да пројектује раст од више од пет пута већи од обима коришћења овог решења до краја 2025. године.

Суоснивач и извршни директор Датариск, Јхоната Емерицк, објашњава да постајући пионир у понуди решења у МЛОпс концепту у Бразилу, стартуп у пракси спроводи стратегију сазревања и усавршавања својих главних пословних теза. “ Разумемо у већој дубини потребе тржишта и сада смо спремни да понудимо решења способна да на апсолутно релевантан начин трансформишу стварност науке података у земљи”, каже он.

Према Емерицк-у, у специфичном случају предиктивног развоја модела, МЛОпс решења се појављују као одговор на дуготрајне унутрашње процесе дизајниране за еру када компаније нису морале да управљају подручјем података са агилношћу која је тренутно потребна.

“То је генерално усвојен ИТ куеуинг системе у којима је област науке података завршава израду модела и прелази на инжењеринг области да створи АПИ. Ово, заузврат, ће потрајати значајно време да се уради свој део, када ће пројекат ће прећи на тим кредитног мотора, на пример, тако да је коначно имплементира овај АПИ, што ће довести до других рокова. Резултат је да када се модел имплементира, ситуација је већ другачија. Стога МЛОпс решење постаје тако ефикасна у смислу оптимизације, закључује.