Stratégies de déploiement de modèles

Déploiement MLOps et cycle de vie

Nemanja Radojkovic

Senior Machine Learning Engineer

Déploiement réussi !

  • L'appli ML fonctionne
  • L'API gère des milliers de requêtes/heure
  • Un mois plus tard :
    • Nouvelles fonctionnalités plus performantes
    • Nouveau lot de données d'entraînement collecté
    • Pipeline de construction du modèle exécuté
    • Nouveau paquet de modèle créé
Déploiement MLOps et cycle de vie

échange

Déploiement MLOps et cycle de vie

prédiction hors ligne

Déploiement MLOps et cycle de vie

fenêtre de changement

Déploiement MLOps et cycle de vie

indisponibilité en temps réel

Déploiement MLOps et cycle de vie

indisponibilité coûteuse

Déploiement MLOps et cycle de vie

configuration blue/green

Déploiement MLOps et cycle de vie

en un clic

Déploiement MLOps et cycle de vie

termes blue/green

Déploiement MLOps et cycle de vie

avantages et inconvénients

Déploiement MLOps et cycle de vie

retour arrière

Déploiement MLOps et cycle de vie

déploiement canari

Déploiement MLOps et cycle de vie

répartition des requêtes

Déploiement MLOps et cycle de vie

étape deux

Déploiement MLOps et cycle de vie

résultat final

Déploiement MLOps et cycle de vie

Déploiement MLOps et cycle de vie

validation

Déploiement MLOps et cycle de vie

inconvénient

Déploiement MLOps et cycle de vie

réduction des risques

Déploiement MLOps et cycle de vie

Passons à la pratique !

Déploiement MLOps et cycle de vie

Preparing Video For Download...