MLOps.

Het DevOps voor Machine Learning.

Met MLOps helpen we jouw organisatie om de juiste ML-modellen sneller in productie te zetten, zodat ze waarde kunnen gaan genereren en monitoren.​ Wij focussen ons zowel op de Way of Working (WoW) en de cultuur binnen een bedrijf, als op de gebruikte technieken en koppelingen tussen alle tools (integratie).

Lees meer

Bij meer modellen in productie komt speciale expertise om de hoek kijken voor model validatie om modellen te monitoren op hun voorspelbaarheid (accuracy). Hoe meer modellen in productie, hoe uitdagendes. Vanuit Rubix Data Driven is dit een standaard operatie in Online Learning systemen (Continuous Learning). We trainen de modellen in streaming data, waar validatie op de modellen met ‘productie’ data automatisch voor een spin-off en een nieuw model positioneren. Het trainen, beheren en monitoren van AI/ML modellen is een andere tak van sport en vraagt andere expertise. 

Onze ML Engineers en Data Scientists helpen graag in de realisatie van MLOps practice, diensten vanuit MLOps:

  • MLOps Kickstarter: “Look mom, I deploy my models without hands”: we beginnen met de eerste stappen in automation en proces / Way of Working verbeteringen om de ‘transacties’ in de keten als geheel te optimaliseren. Modellen moeten sneller in productie kunnen worden toegepast, op correcte datastromen getraind en eenmaal in productie ook gemonitord, waar voorspellende eigenschap wordt gevalideerd.
  • MLOps Scan / Workshop / Consultancy: Wat is MLOps nu eigenlijk? Waar sta ik in mijn bedrijf mbt MLOps? Hoe implementeren we nu MLOps? Op al deze vragen kunnen we helpen en een roadmap ontwikkelen om van A -> B(eter) te groeien met Best Practices op zowel proces/cultuur als techniek toolchain en automatisering op 
  • MLOps – Data Governance:  Van Data Sourcing, wrangling om data kwaliteit te garanderen. Met onze partnership met Tibco met Data Virtualisatie, MetaData structuur en Master Data Management gecombineerd met andere open source technieken realiseren wij een solide basis voor data processing zodat de modellen en rapportage op correcte en stabiele datastromen werken. (voorkomen van ‘rubbish in rubbish out’)

Voordelen van MLOps

  • MLOps realiseert meer business waarde, modellen worden sneller naar productie gebracht en ingezet (T2M).
  • MLOps automatiseert het Data Science proces, zodat minder fouten worden gemaakt en data & modellen beter op elkaar aansluiten.
  • MLOps digitaliseert het Data Science proces tot een geoliede flow.
  • MLOps is een cultuur en verbindt Data Engineers en Data Scientists.
  • MLOps stelt je in staat zaken anders te organiseren, speelt in op multidisciplinaire teams spirit en zorgt voor discussie tijdens het ‘bouwen’ ipv na oplevering.
  • MLOps is de governance op de Data Science practice, het slaat op de juiste stappen de ‘piketpaaltjes’ zodat sneller kan worden doorgepakt.

De 5 meest gestelde vragen over MLOps

1Wat is MLOps nu eigenlijk? Een tool?

MLOps is een methodiek waarbij zowel op cultuur, proces als tooling op elkaar wordt afgestemd om Machine Learning modellen zo efficiënt mogelijk in productie te kunnen nemen. (T2M, automations, je kunt het vergelijken met DevOps voor Machine Learning; het werkt eigenlijk op schaal, bij vele duizende ML modellen in productie, moet gemonitord worden of deze modellen nog performen (valide zijn), niet dan moeten ze worden bij getraind.)

2In de cloud heb ik al een MLOps flow, waarom heb ik dan nog iets nodig?

Cloud providers focussen op hun eigen toolchain, maar MLOps is meer dan alleen de tooling en niet elk voorgeschreven proces werkt bij ieder bedrijf. We kunnen met jou per cloud provider bekijken wat de sterke punten zijn en waar wij eventueel hooks kunnen inbouwen om een betere aansluiting te realiseren.

3Ik zie veel termen MLOps, AIOps, ModelOps, DataOps wat is nu het verschil?

Goede vraag! MLOps focust op de Machine Learning flow; AIOps is AI de toepassing op monitoring vooral vanuit Operation; DataOps richt zich op data aanvoer, storage en controle/governance.

4Waar begin ik met MLOps?

Gewoon aan het begin. MLOps is een leerproces: je bent nooit klaar en je verbetert continu. Modellen maken en vooral in productie krijgen is vaak nog een hele stap, Data Scientist leveren het model, waar de ML en Data Engineers ook focussen op het productisering en zijn in staat om de tecnische aspecten te tackelen.

5Hoe sluit MLOps aan met de manier hoe we nu bezig zijn?

Met onze MLOps scan kunnen we precies zien waar jullie organisatie nu staat en kunnen we gemakkelijk doorpakken op verbeterpunten volgens ons MLOps model.

Ben jij benieuwd wat wij voor je kunnen betekenen op gebied van MLOps?

Laat je gegevens achter en één van onze MLOps experts neemt zo snel mogelijk contact met je op.

Contact

  • Dit veld is bedoeld voor validatiedoeleinden en moet niet worden gewijzigd.

Bel met Gerton van Leenders, Data Driven expert

06 26 17 43 74 gerton.van.leenders@rubix.nl