Rédiger du code ML maintenable

Déployer des modèles de Machine Learning en production

Sinan Ozdemir

Data Scientist, Entrepreneur, and Author

Structuration du projet

  • Organisez les fichiers du projet de façon logique
  • Regroupez les fichiers liés
    • Placez les ensembles de données et les modèles de ML dans des dossiers distincts
  • Assurez des noms et étiquettes clairs pour les fichiers

structure

Déployer des modèles de Machine Learning en production

Exemple de structure de projet

Arborescence type avec un fichier README, un fichier des exigences et trois sous-dossiers : data, models, notebooks mlops_directory

  • README.md : explique l'objectif du dépôt et son utilisation.
  • requirements.txt : répertorie toutes les dépendances
  • data : contient les fichiers liés aux données, brutes et traitées
  • models : contient tous les fichiers liés aux modèles, y compris les scripts de création
  • notebooks : contient des notebooks pour l'exploration, l'entraînement et l'évaluation
Déployer des modèles de Machine Learning en production

Gestion de versions du code

  • Utilisez un gestionnaire de versions comme git pour suivre les changements du code
  • Permet d'annuler des changements au besoin
  • Aide à repérer l'origine des bogues et erreurs
  • Autorise le travail en parallèle

code

Déployer des modèles de Machine Learning en production

Documentation

  • Documentez le code et la structure du projet
  • Expliquez l'objectif de chaque fichier et fonction
  • Décrivez comment utiliser le code
  • Incluez les étapes pour déployer le modèle de ML

doc

Déployer des modèles de Machine Learning en production

Adaptabilité du code

  • Plus facile à comprendre, modifier et mettre à jour
  • Réduit le temps et l'effort pour changer la base de code
  • S'adapte mieux aux changements de données + code + exigences
  • Moins sujet aux bogues
  • Intégration plus simple de nouvelles fonctionnalités ou technologies au besoin
  • Essentiel pour des applications de ML qui évoluent dans le temps
Déployer des modèles de Machine Learning en production

Passons à la pratique !

Déployer des modèles de Machine Learning en production

Preparing Video For Download...