Osvojení přístupu MLOps

Developing Machine Learning Models for Production

Sinan Ozdemir

Data Scientist, Entrepreneur, and Author

MLOps

  • Proces automatizace a zefektivnění ML workflow od experimentování po produkci
  • Zajišťuje, že ML experimenty jsou řádně otestovány a připraveny k nasazení a škálování

mlops

Developing Machine Learning Models for Production

ML experimenty

ML experimenty zahrnují testování modelů a výběr toho nejlepšího

  • MLOps zahrnuje experimentování s modely
  • Vyhodnocování modelů na různých datových sadách
  • Pečlivý výběr modelu je zásadní
  • Proces výběru může být časově náročný
  • Zajišťuje úspěch projektu
Developing Machine Learning Models for Production

Od experimentů do produkce

les

Co musí ML experiment splňovat pro produkci?

  • Otestován a validován pomocí vhodných metrik
  • Řádná dokumentace
  • Zavedeno monitorování
  • Produkční prostředí je bezpečné a škálovatelné
Developing Machine Learning Models for Production

Proč většina ML experimentů selhává

Existuje mnoho důvodů, proč k tomu dochází:

  • Chybějící jasné cíle a záměry
  • Nízká kvalita dat
  • Složité architektury modelů
  • Nedostatek trénovacích dat
  • Přeučení nebo nedoučení
Developing Machine Learning Models for Production

Technický dluh

Kód napsaný narychlo bez řádného testování nebo validace, případně s chybějící, neúplnou či zastaralou dokumentací

  • Bez včasného řešení mohou vzniknout nákladné chyby.
  • Technickému dluhu předejdete správným kódem a dokumentací od začátku.

Spokojená kočka

Developing Machine Learning Models for Production

Pojďme cvičit!

Developing Machine Learning Models for Production

Preparing Video For Download...