ขั้นตอนของวงจรชีวิต

MLOps Deployment and Life Cycling

Nemanja Radojkovic

Senior Machine Learning Engineer

วงจรชีวิตของ Machine Learning

 

1. วงจรชีวิตโปรเจกต์ ML
2. วงจรชีวิตแอปพลิเคชัน ML
3. วงจรชีวิตโมเดล ML

โมเดลคืออะไร...

ไม่ใช่ สิ่งที่เป็นนามธรรมหรือทฤษฎีเท่านั้น

โมเดลคือ

• โมเดลที่ผ่านการฝึกฝนจริง
• พร้อมนำไปใช้งาน

Deployment

 

• ออบเจกต์โมเดล + ทรัพยากรสำหรับ deploy = แพ็กเกจ deployment ของโมเดล
• การนำโมเดลไปใช้งาน = deployment

 

การติดตามโมเดล

 

• เซิร์ฟเวอร์โมเดลทำงานอยู่หรือไม่?
• input และ output ของโมเดลเป็นไปตามที่คาดไว้หรือไม่?
• รู้จักในชื่อ post-deployment monitoring

 

การปลดระวาง

 

 

สาเหตุที่เป็นไปได้

• พบโมเดลที่ดีกว่า
• สร้าง feature ที่มีประสิทธิภาพมากขึ้น
• กระบวนการที่โมเดลจำลองเปลี่ยนไป ทำให้โมเดลเดิมใช้ไม่ได้

 

=> ปลดระวางของเก่า นำของใหม่เข้ามาแทน

การเก็บถาวรโมเดล

• สำคัญในอุตสาหกรรมที่มีกฎระเบียบเข้มงวด

  ทำไมโมเดลประเมินความเสี่ยงสินเชื่อของคุณถึงอนุมัติเงินกู้นี้ในปี 2020?

 

• การ Reproduce ซ้ำ: ความสามารถในการสร้างใหม่ โหลดซ้ำ และใช้งานโมเดลเวอร์ชันเก่า
  • ไม่ใช่ข้อกำหนดที่ทำได้ง่าย

 

มาฝึกกันเถอะ!

MLOps Deployment and Life Cycling