Best Practice

MLOps: Machine Learning Operations

Die Anwendung von DevOps-Prinzipien in ML-Systemen ermöglicht die zuverlässige und effiziente Implementierung und Verwaltung umfangreicher Lösungen.

Kontext

Trotz der zunehmenden Verbreitung von Modellen, die auf Algorithmen des Mashine Learnung basieren, waren Unternehmen in den letzten Jahren nur bedingt in der der Lage, derartige Lösungen in der Produktion einzusetzen und eine gute Investitionsrendite zu erzielen.
Machine Learning Operations (MLOps) sollen die Lücke bezogen auf die Integration und Wartung dieser Systeme innerhalb der Software-Architekturen von Unternehmen schließen. Sie basierend auf den DevOps-Prinzipien, um die Entwicklung, Verwaltung und Wartung dieser Tools zu erleichtern.

MLOps vs. DevOps

DevOps ist eine Softwareentwicklungsmethodik, die auf den Grundsätzen von Continuous Integration and Continuous Delivery beruht. Ihr Ziel ist es, die Entwicklung durch häufige Test-, Integrations- und Freigabezyklen zu beschleunigen und effizienter zu gestalten.

Diese Praktiken sind für die Entwicklung von Software, die auf ML Algorithmen basiert, aus folgenden Gründen notwendig:

  • Bei der kontinuierlichen Integration geht es nicht nur um Softwarekomponenten, sondern auch um die zugrunde liegenden Daten und Modelle.

  • Continuous Delivery betrifft nicht mehr nur ein einzelnes Softwarepaket oder einen Dienst, sondern auch die gesamte Modell-Trainingspipeline.

  • Ein Modell muss im Laufe der Zeit neu trainiert werden.

Daher muss der Begriff des Continuous Training eingeführt werden, was bedeutet, dass wir das erneute Training des Modells und die Bereitstellung des neuen Deployments automatisieren müssen.

Unser MLOps-Ansatz

Dank der in den letzten Jahren gesammelten Projekterfahrungen und der Forschung und Entwicklung zu diesem Thema, haben wir unseren MLOps-Ansatz weiter verfeinert. Er lässt sich in folgenden Schlüsselpunkten zusammenfassen:

MLOps mit Google Cloud

Google Cloud bietet eine Reihe von Diensten, um die verschiedenen Anforderungen zu erfüllen, die während des Entwicklungs- und Bereitstellungszyklus eines Cloud-Produkts auftreten können. Als zertifizierter Google Cloud Partner empfiehlt unser Team die folgenden Dienste für die Umsetzung der oben beschriebenen Schlüsselprinzipien.

Machine Learning Reply ist das Unternehmen der Reply-Gruppe, das sich auf Lösungen für Machine Learning, Cognitive Computing und künstliche Intelligenz basierend auf dem Google-Technologie-Stack spezialisiert hat. Auf der Grundlage neuester Entwicklungen in der künstlichen Intelligenz wendet Machine Learning Reply innovative Deep Learning-, Natural Language Processing- und Bild-/Videoerkennungstechniken auf verschiedene Anwendungsbereiche an, wie z. B. intelligente Automatisierung, prädiktive Engines, Empfehlungssysteme und Chat-Bots.