Automação no processo de publicação de modelos de Ciência de Dados

• Diego Nogare Itaú Unibanco S.A
• Rodrigo Fernandes Mello Itaú Unibanco S.A
• Marco Antonio Lopes Itaú Unibanco S.A

DOI: https://doi.org/10.5753/cbsoft_estendido.2022.226925

Resumo

Neste artigo são apresentadas as dificuldades encontradas por times de ciência de dados para fazer a gestão do ciclo de vida de um modelo de aprendizado de máquina. A existência de times descentralizados utilizando tecnologias diferentes dificulta muito a publicação destes modelos nos sistemas informacionais da empresa. Desta forma, o Itaú Unibanco S.A. investiu esforços na construção de uma plataforma para simplificar a gestão desses modelos e facilitar sua implantação produtiva garantindo boas práticas de engenharia de software, segurança e padrões arquiteturais.

Referências

Lewis, G. A., Ozkaya, I., and Xu, X. (2021). Software architecture challenges for ml systems. In 2021 IEEE International Conference on Software Maintenance and Evolution (ICSME), pages 634-638. IEEE.

Serban, A., van der Blom, K., Hoos, H., and Visser, J. (2020). Adoption and effects of software engineering best practices in machine learning. In Proceedings of the 14th ACM/IEEE International Symposium on Empirical Software Engineering and Measurement (ESEM), pages 1-12.

Warnett, S. J. and Zdun, U. (2022). Architectural design decisions for the machine learning workflow. Computer, 55(3):40-51.

Washizaki, H., Uchida, H., Khomh, F., and Guéhéneuc, Y.-G. (2019). Studying software engineering patterns for designing machine learning systems. In 2019 10th International Workshop on Empirical Software Engineering in Practice (IWESEP), pages 49-495. IEEE.