MLOps-платформа — набор практик, направленных на развёртывание, управление и поддержку моделей машинного обучения в промышленной среде.
Ключевые преимущества
Сквозной MLOps-конвейер: управление версиями кода, компонентное тестирование, ведение документации
Обучение специалистов по Data Science эффективным методам разработки ПО: создание кода, контроль версий ПО
Процесс разработки моделей машинного обучения, соответствующий agile-принципам и текущим ролям
Задачи
Банковский и финансовый сектор: разработка моделей для прогнозирования, контроля и борьбы с мошенничеством
ИТ-сектор: построение сообщества для совместной разработки, создание хаба для хранения моделей и наборов данных
Промышленное производство: разработка моделей
для контроля и управления производством, предотвращения аварий
Использование ML-платформы для обучения DS/ML в Финтех Хабе Банка России
Эффекты внедрения
↓ 50% Срок вывода нового релиза на рынок
↓ 25% Cрок вывода новой модели на рынок
↑ 50% Производительность рабочей группы по машинному обучению
Кейсы
MLOps-платформа для крупного банка РФ
Задачи
Обеспечить эффективное управление большим количеством ML-моделей и датасетов
Повысить рентабельность при внедрении ML-моделей
Обеспечить доступность данных
Снизить стоимость и сократить сроки создания датасетов
Обеспечить быстрое развёртывание в прод-окружении
Повысить интерес бизнес-подразделений к модельным сервисам и сократить показатели Time2Market
Решение
Сократить Time2Market для моделей машинного обучения
Упорядочить работу с датасетами
Упорядочить работу с модельными артефактами
Предоставить специалистам по Data Science ready-to-go инструмент для работы
Результат
Производительность DS-подразделения увеличилась на 52%
Сроки вывода модели в промышленное окружение сократились на 27%
Переиспользование моделей и датасетов для новых бизнес-задач выросло на 19%
MLOps-платформа для крупного банка РФ
MLOps-платформа для проведения соревнований по машинному обучению
Задача
Создать цифровую платформу для совместной работы над заданиями
Решение
Создать единое пространство для участников соревнований
Сформировать и заранее аллоцировать датасеты и условия задач на платформе
Предоставить участникам соревнований инструмент для обучения и дообучения ML-моделей
Предоставить инструментарий для формирования модельных сервисов с целью проверки качества решения задачи
Результат
Развёрнутый стенд с доступом через интернет
MLOps-платформа для проведения соревнований по машинному обучению