Wprowadzenie do CI/CD w uczeniu maszynowym

CI/CD dla uczenia maszynowego

Ravi Bhadauria

Machine Learning Engineer

Przegląd SDLC

  • SDLC: Cykl Życia Oprogramowania (Software Development Life Cycle)
  • Systematyczne podejście obejmujące cały proces tworzenia oprogramowania
  • Przepływ pracy SDLC to sekwencja kroków prowadzących do określonych celów:
    • Budowanie: kompilowanie i/lub pakowanie kodu, rozwiązywanie zależności
    • Testowanie: zapewnienie funkcjonalności, jakości i niezawodności kodu
    • Wdrażanie: udostępnianie oprogramowania w docelowym środowisku

  Diagram zależności kroków przepływu pracy SDLC. Pierwszym krokiem jest budowanie, następnie testowanie i wdrażanie.

CI/CD dla uczenia maszynowego

SDLC w uczeniu maszynowym

  • Tworzenie modeli ML może być złożone i czasochłonne
    • Model to algorytm, który ewoluuje dynamicznie
    • Inżynieria danych odgrywa kluczową rolę
  • CI/CD redukuje błędy i przyspiesza dostarczanie wysokiej jakości oprogramowania ML
  • Niezbędne do efektywnego uczenia maszynowego i prowadzenia eksperymentów
1 https://cloud.google.com/blog/products/ai-machine-learning/making-the-machine-the-machine-learning-lifecycle
CI/CD dla uczenia maszynowego

Czym jest CI/CD?

  • Ciągła integracja (CI): Praktyka częstego budowania, testowania i scalania zmian kodu we wspólnym repozytorium
  • Pozwala wcześnie wykrywać problemy integracyjne i utrzymywać spójną bazę kodu
  • Ciągłe dostarczanie (CD): Zapewnia możliwość wdrożenia zmian w dowolnym momencie, lecz wymaga ręcznego zatwierdzenia
  • Ciągłe wdrażanie (CD): Automatycznie wdraża zmiany do środowiska produkcyjnego bez ręcznej interwencji
CI/CD dla uczenia maszynowego

CI/CD w uczeniu maszynowym

  • Zależność od danych: Wersjonowanie i zarządzanie danymi
  • Eksperymenty: Automatyzacja strojenia hiperparametrów
  • Wersjonowanie modeli: Usprawnienie współpracy
  • Paradygmat testowania: Wykracza poza tradycyjne testy funkcjonalne i jednostkowe
  • Wyzwania ciągłego wdrażania: Złożoność serwowania, monitorowania i aktualizacji modeli
CI/CD dla uczenia maszynowego

Zakres kursu

Diagram kroków projektu ML z wyróżnionymi etapami: Przygotowanie danych, Tworzenie modelu oraz Ewaluacja i strojenie modelu.

CI/CD dla uczenia maszynowego

Podsumowanie

  • Przepływ pracy SDLC obejmuje budowanie, testowanie i wdrażanie kodu
  • Ciągła integracja (CI) zapewnia częste scalanie kodu i wczesne wykrywanie problemów
  • Ciągłe dostarczanie (CD) umożliwia wdrażanie zmian z ręcznym zatwierdzeniem
  • Ciągłe wdrażanie (CD) automatyzuje wdrożenia bez ręcznej interwencji
  • CI/CD w uczeniu maszynowym umożliwia
    • Wersjonowanie danych
    • Budowanie i wersjonowanie modeli
    • Automatyzację eksperymentów
    • Testowanie
    • Wdrażanie
CI/CD dla uczenia maszynowego

Czas na ćwiczenia!

CI/CD dla uczenia maszynowego

Preparing Video For Download...