MLOps में ऑर्केस्ट्रेशन

फ़ुली ऑटोमेटेड MLOps

Arturo Opsetmoen Amador

Senior Consultant - Machine Learning

MLOps सिस्टम का प्रमुख घटक

MLOps संदर्भ आर्किटेक्चर की छवि, जिसमें दो हिस्से हाइलाइट हैं: डेवलपमेंट वातावरण में orchestrated experiments और प्रोडक्शन में automated pipeline.

मॉड्युलैरिटी और पुन: उपयोग

दो ML पाइपलाइन वाली आकृति: ऊपर वाली डेवलपमेंट/एक्सपेरिमेंटेशन में, नीचे वाली प्रोडक्शन में.

ऑर्केस्ट्रेशन और ऑटोमेशन

ML पाइपलाइन का उपयोग होता है:

डेवलपमेंट और एक्सपेरिमेंटेशन

एक कंपोनेंट की आकृति: orchestrated experiment.

प्रोडक्शन

एक automated ML पाइपलाइन की आकृति.

MLOps में Directed Acyclic Graphs

ग्राफिकल पाइपलाइन रिप्रेजेंटेशन
पाइपलाइन स्टेप्स नोड्स के रूप में
स्टेप निर्भरताएँ एजेज़ हैं

एक साधारण DAG की छवि, जिसमें ML पाइपलाइन के जुड़े हुए स्टेप्स हैं.

MLOps में ऑर्केस्ट्रेशन क्या है?

टास्क फ्लो को मैनेज और ऑटोमेट करना

टास्क की शेड्यूलिंग और मॉनिटरिंग

डेटा निर्भरताएँ और फ्लो मैनेज करना

ML पाइपलाइन - डेवलपमेंट और एक्सपेरिमेंटेशन

डेवलपमेंट और एक्सपेरिमेंटेशन वातावरण में एक orchestrated ML पाइपलाइन की आकृति. पाइपलाइन को एक डेटा साइंटिस्ट ट्रिगर करता है और एक orchestrator कंपोनेंट इसे ऑर्केस्ट्रेट करता है.

मॉडल ट्रेनिंग में एंड-टू-एंड टास्क मैनेज करें
सही फ्लो, रिकॉर्डिंग और लॉगिंग
पैरेलल एक्सपेरिमेंटेशन

ML पाइपलाइन - प्रोडक्शन

प्रोडक्शन वातावरण में एक automated ML पाइपलाइन की आकृति. पाइपलाइन को एक automated trigger कंपोनेंट ट्रिगर करता है और एक orchestrator कंपोनेंट ऑर्केस्ट्रेट करता है.

मॉडल डिप्लॉयमेंट ऑटोमेट करने में मदद करता है
पाइपलाइन स्टेप्स को मैनेज और execute करता है
सुसंगत और भरोसेमंद डिप्लॉयमेंट्स

अभ्यास करते हैं!

फ़ुली ऑटोमेटेड MLOps