MLOPSLS: um framework serverless para aprendizado de máquina com ciclo de vida DevOps

• Autor(a) principal: Libera, Caio Della
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: http://app.uff.br/riuff/handle/1/27936
• topic: ML; Sistemas de Aprendizado de Máquina; Aprendizado de Máquina; DevOps; MLOps; Serverless; Aprendizado de máquina; Ciência da computação; Framework (Programa de computador); Machine Learning Systems; Machine Learning

Tendo em vista o crescente aumento na utilização de soluções de aprendizado de máquina na indústria e pesquisa, o presente trabalho tem como objetivo realizar um levantamento das principais atividades concernentes a sistemas de ML. A partir deste levantamento, são derivados requisitos de software para um framework específico para sistemas de ML, chamado MLOPSLS, consolidado sob uma abordagem DevOps — ou MLOps — a fim de garantir entregas de qualidade, seguras e frequentes para as soluções de ML de seus usuários. Para apoiar o desenvolvimento do framework, foi utilizada a arquitetura serverless — especificamente com o uso do provedor de nuvem AWS — por sua baixa necessidade de configuração, alta escalabilidade e disponibilidade, e cobrança pay-per-use, que garante que o desenvolvedor não será cobrado por eventuais períodos de ociosidade. A implementação efetiva dos requisitos levantados apontam para a possibilidade de se utilizar serverless e abordagem DevOps para apoiar sistemas de ML, em especial para praticantes de ML com pouca experiência em desenvolvimento de software ou gerenciamento de infraestrutura computacional