Adottare una mentalità MLOps

Sviluppare modelli di Machine Learning per la produzione

Sinan Ozdemir

Data Scientist, Entrepreneur, and Author

MLOps

  • Processo per automatizzare e snellire il workflow ML dall’esperimento alla produzione
  • Garantisce che gli esperimenti ML siano ben testati e pronti per deploy e scalabilità

mlops

Sviluppare modelli di Machine Learning per la produzione

Esperimenti ML

Gli esperimenti ML testano modelli e determinano il migliore

  • MLOps include la sperimentazione dei modelli
  • Valutazione su dataset diversi
  • Selezione accurata del modello essenziale
  • Il processo può richiedere tempo
  • Chiave per il successo del progetto
Sviluppare modelli di Machine Learning per la produzione

Dagli esperimenti alla produzione

foresta

Quando un esperimento ML è pronto per la produzione?

  • Testato e validato con metriche adeguate
  • Documentazione corretta
  • Monitoraggio operativo attivo
  • Ambiente di produzione sicuro e scalabile
Sviluppare modelli di Machine Learning per la produzione

Perché molti esperimenti ML falliscono

Ci sono molte ragioni possibili:

  • Obiettivi poco chiari
  • Dati di bassa qualità
  • Architetture di modello complesse
  • Dati di training insufficienti
  • Overfitting o underfitting
Sviluppare modelli di Machine Learning per la produzione

Debito tecnico

Codice scritto in fretta senza test/validazione adeguati o con documentazione assente/incompleta/obsoleta

  • Errori o bug costosi se non risolti subito.
  • Evita debito tecnico scrivendo da subito codice e documentazione corretti.

gattino_buono

Sviluppare modelli di Machine Learning per la produzione

Passiamo alla pratica!

Sviluppare modelli di Machine Learning per la produzione

Preparing Video For Download...