Ferramentas de entrega contínua de sistemas de Machine Learning em comunidades Open Source : como caracterizar projetos de MLOps

Abstract

Na engenharia de software a entrega contínua é um fator central para o sucesso de um modelo de negócios, mas na atualidade vem se tendo uma crescente adoção de machine learning por parte do mercado, demanda essa que traz desafios em como aplicar a entrega contínua juntamente com machine learning. Uma proposta do mercado para a solução desse problema é a prática do que é chamado de MLOps, que nada mais é que a utilização de técnicas e DevOps porém devidamente ajustadas para ambientes que dependem de machine learning, tendo em vista a constante necessidade de re-treinar modelos e já colocar seus resultados em produção. Porém, MLOps ainda é uma área nova do conhecimento com pouca documentação na literatura acadêmica o que proporciona um terreno fertil para o nascimento das mais diversas ferramentas para atender essa demanda do mercado. Sendo assim, este estudo tem por objetivo caracterizar a comunidade open source de MLOps, identificando as principais características e métricas que podem guiar práticos da engenharia de software na adoção de ferramentas de automação de MLOps. Seguindo uma metodologia de pesquisa exploratória, onde por uma mineração e análise dos principais projetos de MLOps possa-se eleger uma forma de diagnosticar a maturidade de uma ferramenta OSS a fim de auxiliar profissionais de MLOps na escolhas das ferramentas de seus projetos. Tendo como resultados esperados um conjuntos de boas práticas e guidelines além de uma ferramenta que auxilia práticos na adoção de ferramentas de automação de MLOps.