MLOps: nasazení a životní cyklus modelů
Nemanja Radojkovic
Senior Machine Learning Engineer
Téma této lekce: selhání modelu ML
Štítek == hodnota cílové proměnné v trénovací sadě
Kvalita štítku == blízkost štítku ke skutečné hodnotě


Ruční štítkování je složité, zdlouhavé a chybové
Používejte kvalitní nástroje pro štítkování!

Příklad: Nástroj pro štítkování obrázků, pro tvorbu klasifikátorů




Velmi užitečné: úložiště metadat (MLFlow Tracking apod.)
V každém případě: MLOps pomáhá udržovat model nejrychlejším a nejefektivnějším způsobem
MLOps: nasazení a životní cyklus modelů