Strategie nasazení modelu

MLOps: nasazení a životní cyklus modelů

Nemanja Radojkovic

Senior Machine Learning Engineer

Nasazení úspěšné!

  • ML aplikace běží
  • API zpracovává tisíce požadavků/hod.
  • O měsíc později:
    • Nalezeny nové, lepší příznaky
    • Shromážděna nová trénovací data
    • Spuštěn pipeline sestavení modelu
    • Vytvořen nový balíček modelu
MLOps: nasazení a životní cyklus modelů

záměna

MLOps: nasazení a životní cyklus modelů

offline predikce

MLOps: nasazení a životní cyklus modelů

okno změny

MLOps: nasazení a životní cyklus modelů

výpadek v reálném čase

MLOps: nasazení a životní cyklus modelů

nákladný výpadek

MLOps: nasazení a životní cyklus modelů

blue-green nastavení

MLOps: nasazení a životní cyklus modelů

jediné kliknutí

MLOps: nasazení a životní cyklus modelů

blue green termín

MLOps: nasazení a životní cyklus modelů

výhody a nevýhody

MLOps: nasazení a životní cyklus modelů

vrácení zpět

MLOps: nasazení a životní cyklus modelů

canary nasazení

MLOps: nasazení a životní cyklus modelů

rozdělení požadavků

MLOps: nasazení a životní cyklus modelů

druhý krok

MLOps: nasazení a životní cyklus modelů

konečný výsledek

MLOps: nasazení a životní cyklus modelů

MLOps: nasazení a životní cyklus modelů

validace

MLOps: nasazení a životní cyklus modelů

nevýhoda

MLOps: nasazení a životní cyklus modelů

zmírnění rizik

MLOps: nasazení a životní cyklus modelů

Lass uns üben!

MLOps: nasazení a životní cyklus modelů

Preparing Video For Download...