Fasi del ciclo di vita

Deployment e ciclo di vita in MLOps

Nemanja Radojkovic

Senior Machine Learning Engineer

Cicli di vita nel Machine Learning

 

1. Ciclo di vita del progetto ML
2. Ciclo di vita dell'app ML
3. Ciclo di vita del modello ML

Un modello è...

NON qualcosa di astratto e/o teorico

Un modello È

• un modello concreto, addestrato
• pronto all'uso

Deployment

 

• Oggetto modello + risorse di deployment = pacchetto di deployment
• Mettere in uso il modello = deployment

 

Monitoraggio del modello

 

• Il server del modello è in esecuzione?
• Input e output del modello sono come previsto?
• Anche detto post-deployment monitoring

 

Disattivazione

 

 

Possibili motivi

• Trovato un modello migliore
• Create feature più informative
• Il processo modellato è cambiato, invalidando il modello esistente

 

=> Via il vecchio, dentro il nuovo

Archiviazione del modello

• Importante in settori regolamentati.

  Perché il tuo modello di rischio di credito ha dato il via libera a questo prestito nel 2020?

 

• Riproducibilità: capacità di ricreare, ricaricare e usare una vecchia versione di un modello
  • Requisito non banale

 

Esercitiamoci!

Deployment e ciclo di vita in MLOps