DreamML – фабрика ML решений

526

Заявлено проектов
440

Опубликовано проектов
72

Оставлено комментариев
625

Количество голосов
44

Дней до окончания голосования

Руководитель проекта со стороны заказчика

Виталий Шукюров

ПАО Сбербанк

Исполнительный директор, ИТ лидер трайба "УМиИД"
Категория

Лучшее решение в предметной области
Номинация

Аналитика и Big Data
Цели

Повысить эффективность и качество работы DS команд при создании моделей машинного обучения за счет автоматизации рутинных операций при подготовке данных, проведении экспериментов, а также на стыке таких этапов производственного процесса, как валидация и создание промышленной версии
Сроки выполнения

октябрь, 2023 — сентябрь, 2024
Год завершения проекта

2024
Масштаб проекта

50 автоматизированных рабочих мест
Результаты
- Сокращение времени на обучение моделей в среднем с 20 до 1 раб.дней
- Сокращение времени на создание промышленной версии с 6 до 3 раб.дней
Уникальность проекта
1. Декомпозировали работу DS на этапе обучения моделей на 8 шагов, 6 из которых автоматизировали.
2. Фреймворк DreamML уникален тем, что мы интегрировали его в производственный процесс и настроили пайплайн обучения на создание модели, наиболее подходящей для реального промышленного применения, где важны не только качество модели, но и стоимость её внедрения и эксплуатации.
3. Фреймворком активно пользуется департамент анализа данных из 150+ человек, что значительно влияет на ключевые бизнес-показатели в контексте моделирования и анализа данных, благодаря этому департамент находится в лидерах компании по показателю "скорость разработки и выведения моделей в промышленную эксплуатацию" среди других подразделений.
Проект решает задачи импортозамещения

Да
Использованное ПО
- Sberbank Edition Hadoop
- Python
Решение из каталога Global CIO

В проекте не используются решения из каталога Global CIO
Сложность реализации

Самой главной технической сложностью было создание универсальной архитектуры решения, способного поддерживать приемлемый уровень качества разработанных на нём прогнозных моделей и скорость их разработки по сравнению с персональными решениями бизнес-команд для всех типов задач, при этом сохранив необходимую командам гибкость решения в контексте использования инструмента и его интеграции с индивидуальными решениями заказчиков.
Описание
Фабрика ML решений DreamML представляет собой программное обеспечение, разработанное с целью автоматизации разработки прогнозных моделей, ускорения процессов их валидации и вывода в промышленную эксплуатацию.

Проект написан на языке программирования Python с использованием основных библиотек для анализа данных и машинного обучения: sklearn, xgboost, lightgbm, catboost, pandas, numpy и т.д.

DreamML:
- Поддерживает как классические типы задач машинного обучения на структурированных данных: регрессию, классификацию, прогнозирование временных рядов, задачи ранжирования, так и задачи на неструктурированных текстовых данных (кластеризацию, классификацию, семантический поиск).
- Включает в себя возможность построить единую модель и на каждом этапе моделирования выбрать лучшую по заданным метрикам качества модели.
- Строит модели путём перебора различных комбинаций методов обработки данных и различных алгоритмов машинного обучения. Благодаря этому возможно соблюсти баланса между точностью модели и числом признаков, которые будет использовать такая модель (чем меньше признаков – тем легче вывести модель в промышленную эксплуатацию).
География проекта

Результат используется в процессах, охватывающих все регионы Российской Федерации