Profilage, versionnage et feature stores

Déploiement MLOps et cycle de vie

Nemanja Radojkovic

Senior Machine Learning Engineer

Profilage des données

 

 

Analyse de données automatisée et création de synthèses de haut niveau (profils, attentes), utilisées pour valider et surveiller les données en production

Objectif des références 1

Déploiement MLOps et cycle de vie

Objectif des références 1

Déploiement MLOps et cycle de vie

Objectif des références 2

Déploiement MLOps et cycle de vie

Objectif des références 3

Déploiement MLOps et cycle de vie

Risques SANS profils de données

  • Des clients se plaignent alors qu'ils ont soumis des entrées erronées au modèle
  • Impossible de détecter une dérive des données et le modèle n'est plus valide
Déploiement MLOps et cycle de vie

liste de contrôle profil

Déploiement MLOps et cycle de vie

great expectations

Déploiement MLOps et cycle de vie

liste de contrôle versionnage

Déploiement MLOps et cycle de vie

flèche de versionnage

Déploiement MLOps et cycle de vie

assurer la reproductibilité

Déploiement MLOps et cycle de vie

pas une copie

Déploiement MLOps et cycle de vie

données en place

Déploiement MLOps et cycle de vie

simple pointeur

Déploiement MLOps et cycle de vie

version apprentissage test

Déploiement MLOps et cycle de vie

 

logo dvc

 

 

 

  • Data
  • Version
  • Control
Déploiement MLOps et cycle de vie

feature store

Déploiement MLOps et cycle de vie

un fs est une bd

Déploiement MLOps et cycle de vie

réutilisable entre projets

Déploiement MLOps et cycle de vie

double bd

Déploiement MLOps et cycle de vie

bd à fort volume

Déploiement MLOps et cycle de vie

bd orientée ligne

Déploiement MLOps et cycle de vie

réutilisabilité

Déploiement MLOps et cycle de vie

train serve skew

Déploiement MLOps et cycle de vie

e-mails

Déploiement MLOps et cycle de vie

Passons à la pratique !

Déploiement MLOps et cycle de vie

Preparing Video For Download...