Jeremy Hermann และ Mike Del Balso วิศวกรด้านวิศวกรรมข้อมูลของ Uber เปิดเผยข้อมูลของแพลตฟอร์มที่พัฒนาเพื่อใช้กันภายในองค์กรชื่อ Michelangelo ซึ่งเรียกว่าเป็น Machine Learning-as-a-service เพื่อให้พนักงานสามารถใช้งานได้ในวงกว้าง

ที่มาของการสร้างแพลตฟอร์มนี้ เกิดจากใน Uber มีความต้องการสร้างชุด Machine Learning ที่หลากหลาย แต่ในอดีตนั้นนักวิทยาศาสตร์ข้อมูล ก็เลือกใช้เครื่องมือตามความถนัด ไม่ว่าจะเป็น R, scikit-learn จนถึงเขียนอัลกอริทึมขึ้นเอง ทำให้การสร้างโมเดลต่างๆ จำกัดอยู่ในนักวิทยาศาสตร์ข้อมูล และไม่ทันต่อความต้องการ อีกทั้งเมื่อต่างคนต่างสร้างโมเดล ก็ไม่สามารถหามาตรฐานและเปรียบเทียบกันได้ง่าย จึงเป็นที่มาของการสร้างแพลตฟอร์มกลาง Michelangelo

Michelangelo เริ่มพัฒนาเมื่อปี 2015 ปัจจุบันใช้งานกันใน Uber มาราว 1 ปี แล้ว โดยพัฒนาจากโอเพนซอร์สคือ HDFS, Spark, Samza, Cassandra, MLLib, XGBoost และ TensorFlow มีระบบปิดที่พัฒนาใช้เองเพียงเล็กน้อย กรณีที่ไม่สามารถหาโอเพนซอร์สมารองรับได้

ในบล็อกนี้ยังยกตัวอย่างการนำ Michelangelo ไปใช้งานจริง โดยเป็นการแก้ปัญหาของ UberEATS เพื่อคำนวณหาระยะเวลาในการจัดส่งอาหารที่แม่นยำที่สุด เนื่องจากมีปัจจัยที่ซับซ้อนสูง อาทิ คิวรอทำอาหารในร้านตามช่วงเวลา, ความยากในการหาที่จอดรถเพื่อไปรับ-ส่งอาหารของผู้จัดส่ง ฯลฯ

แพลตฟอร์มนี้ทำให้คนใน Uber สามารถจัดการเลือกข้อมูล เทรนข้อมูล ทดสอบด้วยโมเดลต่างๆ และเริ่มนำไปใช้งานได้เลย รายละเอียดการใช้งานค่อนข้างยาว สามารถอ่านเพิ่มเติมได้จากที่มาครับ

ที่มา: Uber Engineering Blog