Развертывание моделей ускорилось с недели до нескольких часов
Инженеры-технологи создают модели без кода, а ИТ-специалисты превращают их в готовые рабочие процессы. Так компания GS Caltex автоматизировала передачу разработок в производство.
В южнокорейской энергетической компании GS Caltex разделили роли при создании ИИ-моделей. Технологи готовят модели в визуальном интерфейсе SageMaker Canvas, используя свои знания о процессах. ML-инженеры забирают эти наработки и превращают их в автоматизированные конвейеры в SageMaker Pipelines.
Раньше перенос модели из среды разработки в рабочую среду занимал около недели. Теперь инженеры развертывают решения всего за несколько часов.
Процесс автоматизации строится на повторном использовании готовых элементов. Инженеры-технологи создают логику обработки данных и саму модель в Canvas, а затем передают эти активы ИТ-команде. ML-инженеры настраивают пути к данным, конфигурацию и расписание задач.
Для этого они используют реестр моделей и облачное хранилище S3. Это позволяет запускать пакетную обработку данных каждые 30 минут без необходимости держать серверы включенными постоянно. Такой подход заметно снизил расходы на вычисления.
Вместо ручного переноса параметров компания внедрила четкое разделение задач. Технологи отвечают за точность прогнозов и логику данных, а ИТ-специалисты, за стабильность работы системы и историю выполнения задач. Это освобождает время для более сложных инженерных расчетов. Вместо рутинного переноса данных теперь остается только проверка настроек пайплайна.
Что поменялось
Время развертывания моделей сократилось с одной недели до нескольких часов.
Текст подготовила языковая модель по материалам источников.
