Le cadre MLOps moderne

Déploiement MLOps et cycle de vie

Nemanja Radojkovic

Senior Machine Learning Engineer

À propos de moi

 

Photo de profil

 

  • Senior Machine Learning Engineer
  • Expérience en développement, déploiement et maintenance de modèles de Machine Learning en production
  • Axe actuel : déploiement ML et cycle de vie
1 www.linkedin.com/in/radojkovic
Déploiement MLOps et cycle de vie

Cours conceptuel

OUI : Compréhension globale

schéma conceptuel

NON : Compétences pratiques

codage pratique

Déploiement MLOps et cycle de vie

MLOps

Machine Learning Operations

  • Principes
  • Pratiques
  • Outils

Objectif : workflows et services ML

  • Automatisés
  • Reproductibles
  • Intégrés
Déploiement MLOps et cycle de vie

ops partie 1

Déploiement MLOps et cycle de vie

ops partie 2

Déploiement MLOps et cycle de vie

mlops depuis dev

Déploiement MLOps et cycle de vie

Chapitre I

Valeur et nécessité des MLOps

valeur

Étapes du cycle de vie du modèle

cycle de vie

 

Composants du cadre MLOps

blocs de construction

Déploiement MLOps et cycle de vie

devops uniquement

Déploiement MLOps et cycle de vie

devops avec mlops

Déploiement MLOps et cycle de vie

Coût élevé du ML sans Ops

 

POINT DE DÉPART HABITUEL

  • Workflows ML manuels
  • Déploiement manuel
  • Supervision ad hoc

 

=> Accumulation de dette technique

Déploiement MLOps et cycle de vie

Dette technique

le coût implicite des retouches supplémentaires causées par le choix d'une solution facile (limitée) maintenant, au lieu d'une meilleure approche qui prendrait plus de temps

~ Wikipédia[1]

 

Article célèbre de Google sur le sujet :

"Machine Learning: The high-interest credit card of technical debt"[2]

 

PLUS DE TEMPS ET PLUS DE MODÈLES DÉPLOYÉS

  • Davantage de dette technique et de risque modèle
  • Processus plus lent, frustrant et sujet aux erreurs
  • Capacité à créer de la valeur réduite
1 https://en.wikipedia.org/wiki/Technical_debt 2 https://research.google/pubs/pub43146/
Déploiement MLOps et cycle de vie

Workflows ML

  • Collecte et préparation des données
  • Étiquetage des données
  • Sélection du modèle
  • Entraînement du modèle
  • Conditionnement du modèle
  • Déploiement du modèle
  • Supervision et maintenance du modèle

 

Automatiser les workflows ML == maturité MLOps

Déploiement MLOps et cycle de vie

Mise en œuvre des MLOps

  • Automatisé
  • Rapide
  • Reproductible
  • Explicable
Déploiement MLOps et cycle de vie

nous en sommes là

Déploiement MLOps et cycle de vie

non linéaire

Déploiement MLOps et cycle de vie

linéaire

Déploiement MLOps et cycle de vie

projecteur 1

Déploiement MLOps et cycle de vie

tous les regards sur moi

Déploiement MLOps et cycle de vie

Déploiement MLOps et cycle de vie

À suivre !

 

Cycle de vie des modèles

cycle de vie

Architecture MLOps

schéma conceptuel

Déploiement MLOps et cycle de vie

Passons à la pratique !

Déploiement MLOps et cycle de vie

Preparing Video For Download...