Modellregistret

Fullt automatiserad MLOps

Arturo Opsetmoen Amador

Senior Consultant - Machine Learning

ML-modellens livscykel

En bild som visar ML-modellens livscykel. 1: modellträning, 2: modellutvärdering och validering, 3: modelldriftsättning och övervakning, 4: modellavveckling.

Att kasta modellen över staketet

En bild som illustrerar uttrycket att kasta modellen över staketet. När en träningspipeline är klar skickas modellen via e-post till Ops-teamet, vilket skapar en tydlig silo.

Ett första steg mot automatiserad MLOps

Arbetsflödesfigur. Efter träning av en modell levereras den till Ops-teamet genom att registreras i modellregistret.

Vad är modellregistret?

En figur som visar modellregistret: en komponent där faserna staging, prod och arkiv i modellens livscykel hanteras.

Vad är modellregistret? – Experimentering

En figur som visar orkestrerade experiment i utvecklingsmiljön som levererar tränade ML-modeller till modellregistret via experimentspårningssystemet. Metadata lagras i metadatalagret.

Vad är modellregistret? – Registrera en modell

Fortsättning av föregående figur. Här skickas en modell från utveckling till staging via modellregistret. CI/CD är implementerat i hela arbetsflödet.

Vad är modellregistret? – Uppdaterad driftsättning

Figuren fortsätter och visar en modell som tagit sig igenom staging och prod och nu används av nedströmsbaserade tjänster.

Vad är modellregistret? – Modellavveckling

Fortsättning och avslutning av figuren. Den gamla modellen som tidigare driftsatts för nedströmsbaserade tjänster arkiveras i modellregistret efter att en ny, förbättrad modell har driftsatts.

Nu kör vi en övning!