CONJUNTO DE RECOMENDAÇÕES PARA A IMPLEMENTAÇÃO DE PRÁTICAS DEVOPS NO CONTEXTO DE APRENDIZADO DE MÁQUINA
Práticas DevOps estão cada vez mais presentes no contexto da engenharia de software, visando a automação e simplificação de processos que envolvem o ciclo de vida da aplicação, desde o seu desenvolvimento até a implantação em ambiente de produção. Para o aprendizado de máquina (ou machine learning, ML), tais práticas são conhecidas como MLOps (Machine Learning Operations) e têm o objetivo de integrar as etapas de desenvolvimento e operações de sistemas de ML, contemplando automação e monitoramento para a entrega e atualização contínua do sistema ao usuário final. Na literatura, estudos têm mostrado a aplicabilidade dessas práticas em contextos específicos, mas poucos fornecem diretrizes para guiar sua implementação de forma abrangente, considerando todo o conjunto de fatores envolvidos na adoção de MLOps – desde mudanças culturais e organizacionais até os elementos técnicos necessários para sua efetiva implementação. Neste cenário, o presente trabalho propõe um conjunto de recomendações para auxiliar na compreensão e adoção de MLOps por pesquisadores, gestores, engenheiros, cientistas de dados e demais envolvidos no desenvolvimento de sistemas de aprendizado de máquina. O conjunto de recomendações é desenvolvido a partir de revisão bibliográfica e método de Design Science Research para a geração de artefatos que representarão o detalhamento e fluxo das recomendações propostas. Também propõe-se a aplicação de um questionário para validar a aplicabilidade dessas recomendações por profissionais que atuam com o desenvolvimento de sistemas de ML. Espera-se que os resultados alcançados possam servir como fonte de referência para pesquisadores da área e organizações.