Maʼlumotlar olimlariga mashina oʻrganishni joylashtirish jarayonlarini soddalashtirish va optimallashtirishga yordam beruvchi yechimlar boʻlgan MLOps (Machine Learning Operations) global bozori 2030 yilgacha har yili oʻrtacha 45 foizga oʻsishi prognoz qilinmoqda. Bu prognoz Valuates Reports tadqiqot firmasidan olingan boʻlib, segment bahosi 18206,4 million AQSH dollaridan 18206 million dollarga koʻtarilgan. Bozorning ushbu o'sishining asosiy sabablaridan biri bashoratli modellarni ishlab chiqish uchun zarur bo'lgan vaqtni qisqartirish bo'lishi mumkin. Ushbu baho Datarisk kompaniyasining bosh maʼlumotlar boʻyicha mutaxassisi Karlos Relvas tomonidan berilgan."xizmat sifatida qaror".
Uning so'zlariga ko'ra, an'anaviy usullardan foydalangan holda shunga o'xshash tizimlarni ishlab chiqish sohaning murakkabligiga qarab tashkilotlarga o'rtacha ikki haftadan uch haftagacha vaqt oladi.
"Aksincha, MLOps yordamida ma'lumotlar olimi butun yaratish jarayonini avtomatlashtirishi mumkin. Birinchidan, ular qaysi biri eng yaxshi ishlashini ko'rish uchun algoritmlarni sinovdan o'tkazadigan avtomatlashtirilgan mashinani o'rganish yordamida modelni o'rgatishadi. Ayni paytda, olim shuningdek, agar xohlasa, o'z kodini yuklashi va barcha hujjatlar va kodlarni saqlashi mumkin, shu bilan barcha ma'lumotlar bazalari uchun hujjatlarning himoyasini ta'minlaydi. ular loyihaning boshidan oxirigacha borishlari kerak bo'lgan hamma narsa ", deydi u.
2024 yilda Datarisk yetakchi kompaniyalarga kredit berish, firibgarlik xavfi, ish o‘rinlari almashinuvi, qishloq xo‘jaligi mahsuldorligi va boshqalarda xizmat ko‘rsatishga qaratilgan MLOps yechimini ishga tushirdi. Joriy yilning birinchi yarmida ushbu vosita 10 milliondan ortiq so'rovlarni amalga oshirish uchun ishlatilgan va ushbu texnologiya foydalanuvchilari tomonidan qo'lga kiritilgan afzalliklar orasida eng e'tiborga moliklaridan biri ishlov berish vaqtini qisqartirish bo'ldi. Startapning MLOplari bilan uch haftalik o'rtacha ishlov berish vaqti bir necha soatgacha qisqardi.
Karlos Relvasning ta'kidlashicha, ushbu dastlabki treningdan so'ng Datarisk MLOps platformasining o'zida ikkinchi bosqich boshlanadi. Ushbu bosqich olimga tashqi muhitda foydalanish uchun model uchun avtomatik API yaratish imkonini beradi. Uchinchi bosqich, uning so'zlariga ko'ra, yechimni boshqarish. Ushbu bosqichda maqsad ishlab chiqilgan, o'qitilgan va hozirda foydalanilayotgan modelning vaqt o'tishi bilan yaxshi ishlashini ta'minlashdir. "Asbob nafaqat hamma narsa rejalashtirilganidek ishlayotganini ta'minlash uchun, balki model sifatini baholashga imkon berish uchun o'z ilovalaridan foydalanishni ham, API'larning ishlashini ham kuzatishi mumkin. Yechim, masalan, vaqt o'tishi bilan har qanday o'zgaruvchining o'zgarganligini tekshirishga imkon beradi va agar model ish faoliyatini yo'qotsa, oxirgi foydalanuvchiga ogohlantirish beradi ", deydi u.
Bozorning qulayligi va Datarisk olib borayotgan istiqbollari kompaniyaga 2025 yil oxirigacha ushbu yechimdan foydalanish hajmidan besh baravar ko‘proq o‘sishni rejalashtirish imkonini beradi.
Datarisk asoschisi va bosh direktori Jonata Emerikning tushuntirishicha, Braziliyada MLOps yechimlarini taklif qilishda kashshof bo'lish orqali startap o'zining asosiy biznes tezislarini etishtirish va takomillashtirish strategiyasini amalda qo'llaydi. "Biz bozor ehtiyojlarini chuqurroq tushunamiz va endi mamlakatdagi ma'lumotlar fanining haqiqatini chinakam muhim tarzda o'zgartirishga qodir echimlarni taklif qilishga tayyormiz", deydi u.
Emerikning so'zlariga ko'ra, prognozli modelni ishlab chiqishning o'ziga xos holatida MLOps echimlari kompaniyalarga ma'lumotlar maydonini bugungi kunda talab qilinadigan tezkorlik bilan boshqarish kerak bo'lmagan vaqt uchun ishlab chiqilgan ichki jarayonlarning sekinlashishiga javob sifatida paydo bo'ladi.
"Umuman olganda, IT-navbat tizimlari qabul qilinadi, bunda ma'lumotlar fanlari sohasi model yaratishni tugatadi va uni API yaratish uchun muhandislik sohasiga o'tkazadi. Bu, o'z navbatida, o'z vazifasini bajarish uchun katta vaqt talab etadi, shu nuqtada loyiha, masalan, kredit dvigateli guruhiga o'tadi, ular nihoyat ushbu APIni amalga oshirishlari mumkin, natijada model boshqa kechikishlarga olib keladi. Shuning uchun MLOps yechimi optimallashtirish nuqtai nazaridan juda samarali bo'ladi”, - deya xulosa qiladi u.
