top of page

Data Product Operationalization

Tools:

R, Python, AWS

In diesem Projekt haben wir verschiedene Deployment-Szenarien für ein bestehendes Forecasting-Modell unseres Kunden entwickelt.

shutterstock_1100643188-2048x1365.jpg

THEMA

MLOps

BRANCHE

Health & Pharma

PROJEKTDAUER

3 Monate

Herausforderung

Die Überführung von Machine Learning Prototypen oder MVPs in eine produktive Umgebung ist eine zentrale Herausforderung im End-to-end Prozess der Data Science. Unser Kunde, ein internationaler Pharma- und Healthcare-Konzern, stand vor der Herausforderung, eines seiner Data Products aus dem Bereich Forecasting von einer prototypischen Betriebsumgebung auf die neue Cloud-Plattform zu migrieren. Dabei sollte insbesondere beleuchtet werden, welche Optionen sowie Vor- und Nachteile sich hinsichtlich möglicher Zielarchitekturen ergeben.

Ansatz

Im Rahmen mehrerer Explorations- und Deep Dive Workshops haben wir mit unseren Machine Learning und Data Engineers den Quellcode sowie den aktuellen Workflow des Data Product analysiert. Im Anschluss daran haben wir zusammen mit den Data Platform und ML Engineers des Kunden mehrere Deployment Blueprints erarbeitet. Jeder Blueprint hat ein mögliches Architektur-Zielbild beleuchtet, wobei die Anteile der eingesetzten Cloud Services und Open Source Komponenten variierten.

Ergebnis

Im Ergebnis konnte unser Kunde zwischen drei unterschiedlichen Produktivszenarien wählen. Hieraus wurde ein Blueprint selektiert, der sich ausschließlich aus Cloud-Services zusammensetzt. Im Rahmen eines Folgeprojekts wurde der Blueprint dann auf der Cloud-Plattform des Kunden implementiert und so das Machine Learning Modell operationalisiert.

100%

10.000+

99,9%

ZUFRIEDENHEIT

TRAININGSDATEN

VORHERSAGEGENAUIGKEIT

1632298486336-2_edited.jpg

Sabayn Mirakai

Managing Director

+49 160 779 85 83

  • LinkedIn
  • Xing

Brauchen auch Sie eine ähnliche Lösung?

Sie haben Fragen zu dieser Lösung oder zu Ihrem ganz spezifischen Anwendungsfall?

Unsere Experten beraten Sie gerne!

robot-5232974_1280.png
bottom of page