ML 모델 운영은 2023년의 주요 과제이자 기회입니다.

2023년으로 접어들면서 기계 학습(ML) 전문가들은 지난 한 해를 살펴보고 앞으로 나아갈 잠재적인 주요 기회를 식별하고 있습니다. 이를 위해 우리 회사는 최근 이러한 기회가 무엇인지 더 잘 이해하기 위해 미국에 기반을 둔 ML 의사 결정자 200명을 대상으로 설문 조사를 실시했습니다. 우리가 집중한 영역 중 하나는 운영화 뒤에 있는 도전 과제였습니다. 기계 학습, 응답자들이 핵심 문제로 표시했습니다.

기계 학습은 모든 산업의 조직에 많은 가치를 가져올 수 있지만 기업은 ML 모델을 운용할 수 있을 때만 그 가치를 실현할 수 있다는 점을 인식하는 것이 중요합니다. 이를 염두에 두고 우리 연구에서 발견한 가장 흥미로운 몇 가지 사항과 MLOps 범주 상황에 따라 향상되어 산업 전반에서 ML을 더 유용하고 액세스할 수 있습니다. 

ML 모델 운영 불가능으로 인한 수익 악화

기계 학습 전문가에게 조직이 기계 학습 파이프라인 및 프로젝트를 대규모로 배포하거나 제품화하여 기계 학습 투자로부터 비즈니스 및 상업적 가치를 창출하는 데 어려움이 있는지 물었을 때 거의 모든 사람(86%)이 동의했으며 거의 ​​29/XNUMX(XNUMX%)이 동의했습니다. 그들은 "매우 도전적"이라고 말했습니다. 마찬가지로 거의 XNUMX분의 XNUMX이 ML을 대규모로 운영하는 데 따르는 어려움으로 인해 회사가 수익 또는 가치 창출을 놓치고 있다고 말했으며, 약 절반은 이러한 문제를 "심각" 또는 "매우 심각"하다고 설명했습니다. 

분명히 이 수치는 2023년 이후에 해결해야 할 근본적인 문제를 말해줍니다. 예를 들어 모델의 개발, 배포 및 유지 관리를 개선하기 위해 기본 기계 학습 프로세스를 지원하는 도구에 더 많은 투자가 필요합니다. 또한 프로덕션 환경에서 기계 학습 모델을 구축, 테스트, 배포 및 관리하는 프로세스를 자동화하여 협업, 프로젝트 관리 및 운영을 향상하는 데 중점을 둡니다.

ML 프로세스 자동화에 대한 투자가 우선 순위가 될 것입니다.

업계 일각에서는 경기 침체가 AI 및 기계 학습 투자를 약화시킬 것이라고 믿고 있습니다. 실제로는 지출이 계속될 가능성이 높습니다. 그러나 변화할 것은 기업이 투자하고자 하는 AI 및 ML의 유형입니다. 

저는 기업들이 효율성과 생산성을 즉시 향상시킬 수 있는 기술에 투자할 것으로 예상합니다. 기업이 2023년에 비용을 최적화하고 운영을 간소화할 방법을 모색함에 따라 AI 및 ML 플랫폼으로 전환하여 프로세스 및 작업을 대규모로 자동화할 가능성이 높습니다. 이러한 일상적인 활동, 기능 및 시스템을 자동화함으로써 회사는 자본, 인재 및 기타 귀중한 리소스를 확보하여 보다 높은 수준의 부가가치 프로젝트에 집중할 수 있습니다. 이를 통해 리소스를 확보하고 비용을 신속하게 절감하여 궁극적으로 수익성과 시장 출시 시간을 개선할 수 있습니다. 

또한 리더가 ML 프로세스, 특히 자동화 및 오케스트레이션을 극대화하기 위해 리소스에 대한 지속적인 투자에 관심을 표명함에 따라 자동화된 최적화에 대한 이러한 추세가 설문 조사에서 나타나는 것을 볼 수 있습니다. ML 운영을 자동화함으로써 조직은 더 적은 것으로 더 많은 일을 할 수 있으며 효율성과 생산성에 대한 이러한 초점은 경기 침체기에 특히 가치가 있습니다.

불분명한 목표는 운영을 저해합니다.

당연히 조직과 기계 학습 프로젝트 사이에 단절이 있어 모델 운영에 영향을 미치고 있습니다. 우리의 연구에 따르면 응답자의 거의 20%가 "불분명한 조직 전략 및 목표"가 회사 내에서 대규모로 ML을 운영하는 데 어려움을 겪고 있다고 주장합니다. 

이 문제를 해결하기 위해 조직은 ML 워크플로에 대해 보다 전체적인 접근 방식을 취하여 ML의 목적과 전반적으로 조직에 미치는 영향을 보다 명확하게 해야 합니다. 이는 ML 팀과 최고 경영진이 함께 협력하여 조직이 기계 학습 이니셔티브를 통해 달성하고자 하는 구체적인 비즈니스 목표와 목표를 식별해야 함을 의미합니다. 여기에는 수익 증가 또는 고객 만족도 향상과 같은 성공을 위한 메트릭 정의가 포함되어야 합니다. 또한 두 팀 모두 ML 이니셔티브의 진행 상황을 정기적으로 검토하고 평가하여 ML 이니셔티브가 목표 달성 기대 가치를 제공합니다. ML 팀, DevOps 및 C-suite 사이의 이러한 격차를 좁히고 더 많은 투명성과 협업을 창출함으로써 업계는 불분명한 전략과 목표의 장애물을 더 잘 해결할 수 있습니다.

요약하자면, 우리의 연구는 ML 운영화가 2023년에 투자 및 성장을 위한 기회일 뿐만 아니라 핵심 과제임을 보여줍니다. 조직이 내년에 도전적인 경제 환경에서 투자를 최적화하려고 할 때 ML 운영의 우수성을 달성하는 것이 최우선 과제가 될 것이라고 생각합니다. 우선 순위.

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• 플라토 블록체인. Web3 메타버스 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 출처: https://www.dataversity.net/ml-model-operationalization-is-a-key-challenge-and-opportunity-for-2023/