Integração contínua e implantação contínua (CI/CD)

Machine Learning de ponta a ponta

Joshua Stapleton

Machine Learning Engineer

CI/CD no ciclo de vida de ML

Fase de implantação do ciclo de vida de ML

Machine Learning de ponta a ponta

Princípios de CI/CD

Integração Contínua (CI)

  • Mesclar regularmente no repositório central
  • Geralmente com testes automáticos para achar bugs

Integração Contínua representada por uma nuvem atualizando

Implantação Contínua (CD)

  • Implantar automaticamente atualizações do código em produção
  • Geralmente combinada com CI

Implantação Contínua representada por um foguete

Machine Learning de ponta a ponta

CI/CD em machine learning

CI/CD é crucial para produção/iteração

  • Ex.: automatizar inclusão de novos dados de pacientes
  • Ajuda a evitar data drift

 

CI/CD em ML:

  • Re-treinar modelos regularmente
  • Testar performance
  • Deploy automatizado por regras
Machine Learning de ponta a ponta

CI/CD com AWS Elastic Beanstalk

AWS Elastic Beanstalk (EB):

  • Serviço totalmente gerenciado para deploy e escala de apps e serviços
  • Instalar o EB
eb init


eb create heart_disease_env


eb deploy


eb open
Machine Learning de ponta a ponta

Alternativas ao EB (1)

Azure Machine Learning:

  • Serviços de pontuação em tempo real
  • Recursos de computação gerenciados para treino
  • Monitoramento de performance em produção
Machine Learning de ponta a ponta

Alternativas ao EB (2)

GCP App Engine:

  • Alternativa semelhante ao AWS EB ou Azure Machine Learning
Machine Learning de ponta a ponta

Alternativas ao EB (3)

Kubernetes:

  • Orquestração de contêineres open source
  • Automatiza deploy, escala e gestão de apps em contêiner
  • Compatível com várias nuvens principais
  • Curva de aprendizado maior, mas mais controle
Machine Learning de ponta a ponta

Alternativas ao EB (4)

Muitas outras!

Machine Learning de ponta a ponta

Vamos praticar!

Machine Learning de ponta a ponta

Preparing Video For Download...