स्वचालन

प्रोडक्शन के लिए मशीन लर्निंग मॉडल विकसित करना

Sinan Ozdemir

Data Scientist, Entrepreneur, and Author

ML ऑटोमेशन का परिचय

स्वचालन ML पाइपलाइनों की विश्वसनीयता और दक्षता सुनिश्चित करता है
मानव त्रुटि का जोखिम घटाता है
डेवलपमेंट और डिप्लॉयमेंट प्रक्रिया सरल करता है
चार प्रमुख MLOps सिद्धांत हैं:
- Continuous Integration (CI)
- Continuous Deployment (CD)
- Continuous Training (CT)
- Continuous Monitoring (CM)

Continuous Integration (CI) नियमित रूप से कोड बदलावों को shared रिपॉजिटरी में इंटीग्रेट करना coding

Continuous Delivery (CD) कोड बदलावों का ऑटो बिल्ड, टेस्ट, और डिप्लॉय करना package

Continuous Training (CT) नए डेटा से लगातार मॉडल को ट्रेन और अपडेट करना

brain

Continuous Monitoring (CM) लगातार मॉडल के परफॉर्मेंस और एक्युरेसी की मॉनिटरिंग monitor

Continuous Integration (CI)

Continuous Delivery (CD)

CI/CD टूल्स: Git, AWS CodePipeline, Jenkins, Travis CI

jenkins

Continuous Training (CT)

Continuous Monitoring (CM)

monitor

CI: मॉडल का कोड Git में commit किया जाता है।
CD: committed कोड को Jenkins जैसे CI/CD टूल से build और test किया जाता है। पास होने पर हम डिप्लॉय करते हैं।
- मॉडल serialize किया जाता है।
- Dependencies Docker से सेट की जाती हैं।
- Docker इमेज डिप्लॉय होती है।
CM: मॉडल परफॉर्मेंस लगातार मॉनिटर होता है।
- मॉनिटरिंग से मॉडल पर निर्णय लिए जाते हैं।
- CM टूल्स: Prometheus और Grafana
CT: मॉडल नए डेटा पर ट्रेन होता है।
नया कोड लिखा जाता है / मॉडल अपडेट होते हैं ... फिर स्टेप 1 पर लौटें

प्रोडक्शन के लिए मशीन लर्निंग मॉडल विकसित करना