MLOps with Microservices: A Case Study on the Maritime Domain

要約

このケーススタディでは、オーシャンガードの構築に関する課題と教訓について説明しています。海事領域での異常検出のための機械学習対応システム（MLE）です。
まず、このペーパーでは、システムの仕様とアーキテクチャを紹介します。
オーシャンガードは、複数のチームがプロジェクトに並行して作業できるようにするために、マイクロサービスのアーキテクチャで設計されました。
次に、このペーパーでは、開発者がその目標を達成するために契約ベースの設計をMLOPにどのように適応させたかについて説明します。
MLESとして、オーシャンガードはコード、モデル、およびデータ契約を採用して、サービス間のガイドラインを確立します。
このケーススタディは、ソフトウェアエンジニア、機械学習エンジニア、データサイエンティストに、システムの同様のアプローチを活用するよう促したいと考えています。

要約(オリジナル)

This case study describes challenges and lessons learned on building Ocean Guard: a Machine Learning-Enabled System (MLES) for anomaly detection in the maritime domain. First, the paper presents the system’s specification, and architecture. Ocean Guard was designed with a microservices’ architecture to enable multiple teams to work on the project in parallel. Then, the paper discusses how the developers adapted contract-based design to MLOps for achieving that goal. As a MLES, Ocean Guard employs code, model, and data contracts to establish guidelines between its services. This case study hopes to inspire software engineers, machine learning engineers, and data scientists to leverage similar approaches for their systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google