Le registre de modèles

MLOps entièrement automatisé

Arturo Opsetmoen Amador

Senior Consultant - Machine Learning

Cycle de vie d'un modèle ML

Image du cycle de vie d'un modèle ML. 1 : entraînement, 2 : évaluation et validation, 3 : déploiement et suivi, 4 : retrait du modèle.

Jeter un modèle par‑dessus la clôture

Illustration de l'expression « jeter le modèle par‑dessus la clôture ». Après le pipeline d'entraînement, le modèle est envoyé par courriel à l'équipe Ops, créant un silo net.

Un premier pas vers des MLOps automatisés

Schéma de flux. Après l'entraînement, le modèle est remis à l'équipe Ops en l'inscrivant dans le registre de modèles.

Qu'est‑ce que le registre de modèles ?

Schéma du registre de modèles : composant gérant les étapes stage, prod et archive du cycle de vie.

Qu'est‑ce que le registre de modèles ? – Expérimentation

Des expériences orchestrées en développement livrent des modèles ML entraînés au registre via le suivi d'expériences. Les métadonnées sont stockées dans l'entrepôt de métadonnées.

Qu'est‑ce que le registre de modèles ? – Inscription d'un modèle

Suite du schéma précédent. Un modèle passe de Development à Staging via le registre. CI/CD est appliqué à l'ensemble du flux.

Qu'est‑ce que le registre de modèles ? – Déploiement mis à jour

Suite : un modèle ayant franchi staging et prod est maintenant utilisé par des services en aval.

Qu'est‑ce que le registre de modèles ? – Retrait du modèle

Fin du schéma : l'ancien modèle déployé en aval est archivé dans le registre après le déploiement d'un modèle amélioré.

Passons à la pratique !

MLOps entièrement automatisé