Une Science: Comment Johnson & Johnson Renforce Son Activité Avec MLOps

le 02/09/2021 09:43

Une Science: Comment Johnson & Johnson Renforce Son Activité Avec MLOps

Le géant de la santé Johnson & amp; Johnson injecte la science des données dans l'ensemble de ses activités pour améliorer sa fabrication, l'inscription des essais cliniques, les prévisions et plus encore. “J'aime vraiment l'appeler science de la décision”, a déclaré Jim Swanson, vice-président exécutif et directeur de l'information de l'entreprise, lors d'une table ronde lors de la dernière Conférence sur la technologie des GPU NVIDIA. “Il ne s'agit pas seulement de créer un modèle, il s'agit en fait des décisions et des idées que vous essayez de tirer de ces modèles."

Les opérations d'apprentissage automatique, connues sous le nom de MLOps, sont un ensemble de bonnes pratiques permettant aux entreprises d'exécuter l'IA avec succès. Avec une stratégie MLOps, les entreprises peuvent exploiter les données pour répondre à des questions difficiles et stimuler de manière mesurable leurs opérations commerciales. Johnson & amp; Johnson, par exemple, a formé un Conseil interne en science des données et développé ce que Swanson appelle des “scientifiques de données bilingues” — des rôles qui combinent une expertise approfondie du domaine avec des compétences en science des données. " Ils ont cette compréhension du principal problème commercial et ils ont les compétences nécessaires pour faire de la science des données”, a-t-il déclaré.
Jim Swanson, Rima Alameddine et Nick Elprin ont discuté de la science des données à Johnson & Johnson lors de la dernière conférence sur la technologie GPU.
Cette stratégie permet d'intégrer la communauté de la science des données d'une entreprise dans les flux de travail métier, ce qui permet une application plus rapide des modèles d'apprentissage automatique, des commentaires et de l'impact, a déclaré Swanson. Cela aide également à surmonter les hésitations à adopter la science des données.

“Vous devez vraiment les montrer en les prouvant encore et encore: Hé, ce modèle ne remplace pas l'atout précieux des compétences humaines que vous avez dans votre domaine d'activité, il vous donne des vues longitudinales que vous ne pouvez pas obtenir par vous-même”, a-t-il déclaré. Alors que les entreprises intensifient leur adoption des MLOps, elles ont besoin d'une infrastructure d'IA puissante pour soutenir leurs ingénieurs et leurs scientifiques des données, a déclaré Nick Elprin, panéliste, PDG de Domino Data Lab. “Tant d'entreprises, tragiquement, gaspillent de précieuses ressources d'ingénierie en essayant de construire elles-mêmes cet outillage, et c'est beaucoup plus difficile”, a-t-il déclaré, recommandant aux entreprises de se lancer avec une plate-forme tierce comme le laboratoire de données Domino accéléré par GPU NVIDIA. "Vos ingénieurs créeront beaucoup plus de valeur lorsqu'ils se concentreront sur des problèmes différenciés sur le plan de la concurrence et uniques à votre entreprise."

Pour aider les entreprises à démarrer avec MLOps, NVIDIA fournit une suite d'outils open source sur le hub logiciel NGC pour gérer une infrastructure d'IA basée sur les systèmes NVIDIA DGX. Les entreprises de soins de santé et les chercheurs médicaux utilisent les systèmes DGX et le framework d'application NVIDIA Clara pour exécuter des modèles de soins de santé qui analysent les dossiers médicaux électroniques, stimulent la découverte de médicaments par calcul et alimentent les flux de travail d'imagerie et de dispositifs médicaux compatibles avec l'IA.

De la vision à l'impact sur l'entreprise En plus d'intégrer plus de 1 000 data scientists dans son activité, Johnson & Johnson travaille à développer la culture numérique dans toute l'entreprise, aidant les employés à comprendre le potentiel des modèles d'apprentissage automatique en action. Swanson donne l'exemple d'un hackathon interne organisé par Johnson & amp; Johnson pour améliorer la prévision dans son activité de soins de la vue. En prédisant mieux le nombre de clients qui auront besoin de chaque produit de sa gamme de lentilles de contact Acuvue, l'entreprise peut fabriquer plus efficacement ceux que les gens veulent. Pour chaque point de pourcentage que Johnson & Johnson améliore la précision des prévisions, l'entreprise augmente son chiffre d'affaires, “parce que vous avez le bon produit sur le marché”, a déclaré Swanson.

Des dizaines d'équipes de l'entreprise — la plupart en dehors du secteur des soins de la vue — se sont inscrites au hackathon, qui utilisait la plateforme MLOps d'entreprise de Domino Data Lab. L'équipe d'approvisionnement a mis au point le meilleur modèle. “Nous avons résolu un très gros problème avec un impact réel, et ils ont appris de nouveaux outils qu'ils ne connaissaient pas auparavant”, a déclaré Swanson. "Avec un projet simple aligné sur un résultat vraiment significatif, vous pouvez faire des choses incroyables."

Retrouvez le replay complet de talk et des milliers d'autres sessions gratuites sur NVIDIA à la demande.

Abonnez-vous à et suivez .

High tech