Estágios do ciclo de vida

Implantação e ciclo de vida em MLOps

Nemanja Radojkovic

Senior Machine Learning Engineer

Ciclos de vida em Machine Learning

 

1. Ciclo de vida de projeto de ML
2. Ciclo de vida de aplicação de ML
3. Ciclo de vida de modelo de ML

Um modelo é...

NÃO é algo abstrato e/ou teórico

Um modelo É

• um modelo treinado e concreto
• pronto para uso

Deploy

 

• Objeto do modelo + recursos de deploy = pacote de deploy do modelo
• Colocar o modelo em uso = deploy

 

Monitoramento do modelo

 

• O servidor de modelo está rodando?
• As entradas e saídas do modelo estão como esperado?
• Também chamado de monitoramento pós-deploy

 

Desativação

 

 

Possíveis motivos

• Modelo melhor descoberto
• Features mais informativas criadas
• Processo modelado mudou, invalidando o modelo atual

 

=> Sai o antigo, entra o novo

Arquivamento de modelos

• Importante em setores regulados.

  Por que seu modelo de risco de crédito aprovou este empréstimo em 2020?

 

• Reprodutibilidade: capacidade de recriar, recarregar e usar uma versão antiga do modelo
  • Não é um requisito trivial

 

Vamos praticar!

Implantação e ciclo de vida em MLOps