Implementierung von MLOps im Unternehmen

Kapitel 10. MLOps mit Rust implementieren

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Die betriebliche Effizienz muss das Herzstück eines jeden Technologiesystems sein. MLOps baut auf DevOps auf, das auf dem Konzept von Kaizen, dem japanischen Wort für kontinuierliche Verbesserung, beruht. Ohne kontinuierliche Verbesserung gäbe es kein DevOps und somit auch kein MLOps.

Im Zentrum der kontinuierlichen Verbesserung der Abläufe steht eine einfache Frage: "Können wir die betriebliche Leistung - von der Ausbildung und den Schlussfolgerungen bis zur Verpackung und Auslieferung - um das Zehnfache oder mehr verbessern?" Wenn die Antwort "Ja" lautet, wie es bei vielen Unternehmen der Fall sein wird, die Python für Data Science einsetzen, sollte die nächste Frage lauten: "Warum tun wir es nicht?"

Jahrzehntelang gab es für Unternehmen nur wenige andere Optionen als reines C, C++ oder C# und Python für maschinelle Lernlösungen. C++ mag zwar leistungsfähiger sein, aber Python ist in der Regel einfacher zu erlernen, zu implementieren und zu warten, weshalb sich Python in der Datenwissenschaft durchgesetzt hat. Die schwierige Wahl zwischen dem leistungsfähigen, aber komplexen C++ und dem leicht zu erlernenden, aber vergleichsweise langsamen Python führt letztlich dazu, dass sich viele Unternehmen für Python entscheiden.

Aber es gibt noch einen anderen Weg. Rust gehört zu den leistungsfähigsten und energieeffizientesten ...