Архитектура ML платформы — также как и Архитектура данных — это общий шаблон, который определяет, как организованы данные для поиска причинно-следственных связей, как проводится обучение / дообучение моделей ML / AI, их версионирование.
Проще говоря, это площадка для глубокого взаимодействия с данными в компании, которая помогает создавать бизнес-ценность для новых цифровых продуктов.
Зачем это нужно?
Внедрение ML/AI-платформы — это стратегическая инвестиция в data-driven культуру компании. Это переход от точечных, неуправляемых и рискованных ML-проектов к систематическому, управляемому и масштабируемому производству интеллектуальных возможностей, которые становятся реальным конкурентным преимуществом.
Разовые ML-модели, созданные «вручную» аналитиками, часто остаются в виде экспериментов в Jupyter Notebook / Apache Zeppelin и никогда не приносят реальной денежной ценности. Платформа решает проблему «последней мили» данных — перехода от прототипа к работающему решению с последующей поддержкой.
Общий шаблон проектирования
Сценарий №1
Например, мы хотим внедрить процесс поиска причинно-следственных связей в цифровых данных компании силами дата-аналитиков, то выбираем необходимые компоненты (выделено ярко—оранжевым цветом) из общего шаблона
Сценарий №2
… или мы хотим спроектировать сервис по индивидуальному предложению товаров и услуг (например в маркетплейсе или банке). Выделено ярко—оранжевым цветом) из общего шаблона
