Gestione efficiente dei modelli di Machine Learning: l'impatto dei principi di MLOps

La vasta gamma di utilizzi del Machine Learning è un fattore rilevante che indica quanto questa tecnologia possa essere vantaggiosa per le aziende di tutti i settori. Pertanto, diventa evidente che il suo impiego sta diventando sempre più diffuso tra le imprese, indipendentemente dal settore, nell'ambito dello sviluppo delle loro applicazioni industriali. Tuttavia, l'implementazione e l'utilizzo efficiente di questa tecnologia non è un processo semplice. Il percorso che conduce all'impiego di un prodotto ben realizzato e accurato si divide in molteplici fasi strettamente interrelate tra loro. Per tale ragione, è stato introdotto il concetto di MLOps. Esso comprende una serie di metodologie e tecniche che hanno l'obiettivo di guidare e agevolare il processo di creazione dei modelli di Machine Learning. Questo elaborato nasce con l’obiettivo di ricercare degli strumenti che possono essere utilizzati da parte dei diversi gruppi aziendali, al fine di garantire e agevolare il rispetto dei principi definiti da MLOps, durante l'intero ciclo di vita dei modelli di Machine Learning. In questo elaborato verranno descritti i vantaggi che l’utilizzo di queste tecniche produce nei processi di sviluppo, produzione e mantenimento dei modelli e verranno analizzati i quattro strumenti proposti per l’implementazione dei principi, applicati a un caso di studio reale di segmentazione semantica di serie temporali di immagini satellitari.