持续集成与持续部署（CI/CD）

端到端机器学习

Joshua Stapleton

Machine Learning Engineer

ML 生命周期中的 CI/CD

CI/CD 原则

持续集成（CI）

• 定期合并到中央代码库
• 常配合自动化测试以发现缺陷

持续部署（CD）

• 将代码库更新自动部署到生产
• 常与 CI 结合

机器学习中的 CI/CD

CI/CD 对生产与迭代至关重要

• 例如：自动纳入新的患者数据
• 有助于避免数据漂移

 

ML 中的 CI/CD：

• 定期重训模型
• 测试性能
• 基于规则的自动部署

使用 AWS Elastic Beanstalk 的 CI/CD

AWS Elastic Beanstalk（EB）：

• 全托管的应用与服务部署/扩缩服务
• 安装 EB

eb init


eb create heart_disease_env


eb deploy


eb open

EB 的替代方案（1）

Azure Machine Learning：

• 实时评分服务
• 受管训练计算资源
• 生产环境性能监控

EB 的替代方案（2）

GCP App Engine：

• 与 AWS EB 或 Azure Machine Learning 类似的替代方案

EB 的替代方案（3）

Kubernetes：

• 开源容器编排系统
• 自动化部署、扩缩和管理容器化应用
• 兼容多家主流云平台
• 学习曲线更陡，但可控性更强

EB 的替代方案（4）

远不止这些！

Vamos praticar!

端到端机器学习