Спрос на последовательную и надежную внутреннюю информацию привел к появлению новой роли — аналитика операций машинного обучения (MLOPs). В этом разделе вопросов и ответов мы узнаем об этой роли и о том, что она может означать для компаний и групп специалистов по обработке и анализу данных.
Аналитики операций машинного обучения (MLOPs) ворвались на сцену, поскольку среди предприятий вырос спрос на последовательную и надежную информацию внутри компании. Мы поговорили с Моникой Рзепецкой, аналитиком MLOps в агентстве по исследованию рынка, потребителей и брендов GfK, чтобы узнать, что включает в себя эта роль и что она дает в стратегическом плане.
Что может включать в себя роль MLOps?
MLOps — очень свежая область. Она все еще развивается, и у компаний разные представления о том, что это за роль. Многие предприятия еще даже не имеют в своем штате таких специалистов, но рассматривают на будущее. По сути, аналитики MLOps являются частью команды специалистов по обработке и анализу данных. Их роль заключается в том, чтобы сделать проекты машинного обучения или искусственного интеллекта (ИИ) более систематизированными, воспроизводимыми и хорошо поддерживаемыми. В то время как специалисты по данным сосредотачиваются на разработке алгоритмов и интерпретации информации, MLOps концентрируются на том, чтобы убедиться, что модель работает наилучшим образом в условиях меняющихся требований. Также они отслеживают метрики алгоритмов, улучшаем производительность и используют лучшие практики.
Какое место отдается MLOps в проектах по науке о данных?
Эти проекты обычно состоят из следующих этапов: определение объема, сбор данных, обучение модели и развертывание ее в рабочей среде. После этого в игру вступает MLOps. Они оценивают и контролируют жизнеспособность модели во время использования. Например, по мере добавления различных данных из новых точек продаж или клиентских интерфейсов, или по мере роста бизнес-среды. У них также есть важная реактивная роль. Это происходит, когда те, кто использует аналитику, запрашивают результаты или замечают ошибки. На этом этапе они определяют источник проблемы и устраняют ее по мере необходимости.
Какие преимущества получают ИТ-директора от MLOps?
Несмотря на то, что еще нет учебника по тому, что должны делать MLOps, основное ожидание состоит в том, что они обеспечат системный подход к машинному обучению, соответствие качества и эффективности результатов, а также их прозрачность и надежность. Это относится как к исторической, так и к прогнозной аналитике. MLOps также обеспечивают значительную операционную эффективность, позволяя специалистам по данным сосредоточиться на своих основных областях, а не на мониторинге и использовании кода.
Насколько важны MLOps для GfK?
Это очень важно. В GfK мы используем огромное количество данных, чтобы подпитывать наши идеи бизнес-аналитики . Мы превратились из традиционной компании, занимающейся исследованиями рынка, в надежного поставщика аналитики данных, основанной на инновационных технологиях. Как и во всех компаниях, сильно зависящих от науки о данных, крайне важно, чтобы наша аналитика, основанная на данных, была прозрачной и надежной, а все процессы — последовательными и эффективными. В настоящее время у нас есть два штатных аналитика MLOps и мы рассчитываем набрать больше.
Какими навыками обычно обладает кто-то в MLOps?
В качестве новой роли навыки и опыт людей в настоящее время сильно различаются. Мой собственный опыт работы с качественными методами в экономике, работа с алгоритмами машинного обучения и инструментами мониторинга. Что важно, так это любопытство к данным. Чтобы было интересно, что происходит. Чтобы иметь возможность углубляться в массы данных, выявлять закономерности и определять, что работает, а что нет. Нам также необходимо понимание моделей и алгоритмов машинного обучения, а также навыки и энтузиазм для исследования и внедрения важных изменений.
Как компании могут привлекать и удерживать талантливых MLOps?
Я бы сказала, что многие аналитики MLOps ищут возможность расти в этой роли и вносить ощутимые изменения в то, как работает компания. Во многих случаях мы начинаем с чистого листа. Мы относимся к тому типу людей, которые преуспевают, когда им позволяют вводить новшества, чтобы найти лучшие способы работы. Аналитикам MLOps нравится пространство для глубокого погружения и формирования роли по мере того, как бизнес продвигает использование аналитики. Создание такой среды доверия и свободы будет важно для компаний, учитывая растущий спрос на аналитиков MLOps.
Что вас волнует в будущем роли?
Для меня это наблюдение за тем, как MLOps развивается в разных организациях по мере роста интереса к этой роли среди бизнес-лидеров. Будет ускоряться рост возможностей MLOps для различных предприятий, доступных интеллектуальных инструментов и того, что в конечном итоге возможно в сотрудничестве с командой специалистов по обработке и анализу данных. Я рада быть в начале этого большого движения.
Источник: журнал CIO Online
__________________________
При возникновении вопросов можете написать на почту ru@gfk.com
Telegram канал GfK Россия
