Standardisierung des FMCG-Betriebs mit den Best Practices von MLOps auf mehreren Cloud-Plattformen
Challenge
Der Kunde hatte Schwierigkeiten bei der Skalierung und Erweiterung verschiedener ML-Anwendungsfälle auf mehreren Cloud-Plattformen. Sie benötigten eine Lösung, um ihre Abläufe zu standardisieren, ML-Trainings und Inferenzaufgaben zu rationalisieren und Flexibilität und Skalierbarkeit in verschiedenen Umgebungen sicherzustellen.
Our approach
Unser Team führte ein transformatives Projekt durch, um die ML-Operationen des Kunden mithilfe von MLOps-Vorlagen und Best Practices zu standardisieren. Durch die Nutzung von Cloud-Technologien und KI entwickelten wir ein Cloud-unabhängiges Tool und eine maßgeschneiderte MLOps-Vorlage, mit der ML-Anwendungsfälle in GCP, Azure und Databricks nahtlos integriert wurden.
Zu den wichtigsten Komponenten der Lösung gehörten:
- Automatisierte CI/CD-Prozesse, die auf organisatorische Standards abgestimmt sind.
- Automatische Ressourcenskalierung und Nutzungsprotokollierung zur Optimierung von Cloud-Ressourcen.
- Modellversionierung, Überwachung und Neutraining von Pipelines, ausgelöst durch die Erkennung von Daten- oder Konzeptabweichungen.
- Bereitstellung eines Q&A-Chatbots, der von ChatGPT und Langchain unterstützt wird und Datenwissenschaftlern Echtzeitunterstützung bei der Navigation durch das Tool und die Vorlagen bietet.
The outcome
Das Cloud-unabhängige Tool und die standardisierte MLOps-Vorlage haben den ML-Betrieb des Kunden erheblich verbessert. Die Wartungsaufgaben wurden optimiert, wodurch die Gemeinkosten gesenkt und die betriebliche Effizienz erhöht wurden. Mit GitHub Actions implementierte CI/CD-Pipelines beschleunigten den Entwicklungszyklus und ermöglichten schnellere Übergänge von der Entwicklung zur Produktion.
Darüber hinaus bot die Integration eines Chatbots den Benutzern Unterstützung und Anleitung in Echtzeit, was die Zufriedenheit und Produktivität der Benutzer steigerte.