Kubernetes'te MLOps

Kubernetes’e Giriş

Frank Heilmann

Platform Architect and Freelance Instructor

MLOps nedir?

  • Makine öğrenmesi modellerini üretime alma ve sürdürme yaklaşımı
  • Bu modellerin sürekli geliştirilmesine odaklı en iyi uygulama iş akışları
  • DevOps'tan esinlenmiştir:
    • Modeller izole deneysel ortamlarda geliştirilip test edilir, sonra üretime alınır
    • Üretimde sürekli izleme yapılır; yeniden eğitim tetiklenebilir
  • Veri bilimciler, veri mühendisleri ve BT ekipleri dağıtılmış modeller üzerinde eşzamanlı çalışarak doğruluğu sağlar
Kubernetes’e Giriş

Kubernetes'te MLOps'u uygulamak

  • MLOps yaklaşımı Kubernetes ile çok iyi örtüşür:

    • İzole deneysel sistemler: Pod'lar ve Kubernetes Depolama ile sağlanabilir
    • Üretimdeki ML modellerinin izlenmesi: Pod yaşam döngüsü (ve dağıtılan imaj sürümleri) ile etkinleştirilir
    • Model doğruluğu üzerinde eşzamanlı çalışma: Kubernetes mimarisi tarafından baştan itibaren desteklenir

  • Birçok MLOps çerçevesi vardır; en bilinen iki açık kaynak çözüm

Kubernetes’e Giriş

Kubeflow - Genel Bakış

Kubeflow Genel Bakış

  • Kubeflow, özellikle Kubernetes üzerinde ML iş akışlarını kolayca dağıtmayı sağlar
  • ML model yaşam döngüsünün her adımını kapsar
  • Bu adımları kapsayan, bağımsız çalışan bileşenlerden oluşur
  • Python ile bir API üzerinden ML modelleri geliştirip dağıtabilirsiniz
    • kubectl kullanmanız gerekmez
Kubernetes’e Giriş

Hadi pratik yapalım!

Kubernetes’e Giriş

Preparing Video For Download...