Mönstret automatisering, övervakning och incidenthantering

Fullt automatiserad MLOps

Arturo Opsetmoen Amador

Senior Consultant - Machine Learning

Vad är ett mjukvarudesignmönster?

$$

En generell, återanvändbar lösning på ett vanligt förekommande problem...

$$

$$

Automatisera, övervaka, åtgärda

$$

$$

• Förbättrar tillförlitligheten hos de ML-system vi utformar

Tre exempel på designmönster inom MLOps

$$

1. Automatiserad modellomträning
2. Modell-rollback
3. Särdragsimputering

$$

1. Automatiserad modellomträning

1. Automatiserad modellomträning – köra prediktioner

1. Automatiserad modellomträning – övervakning

1. Automatiserad modellomträning – trigger

1. Automatiserad modellomträning – automatiserad pipeline

1. Automatiserad modellomträning – driftsättning

2. Modell-rollback

2. Modell-rollback – validering misslyckas

2. Modell-rollback – senast fungerande modell

2. Modell-rollback – omdriftsättning

3. Särdragsimputering – dataintensiv pipeline

3. Särdragsimputering – datakvalitet

$$

$$

• Varierande datakvalitet
• Vissa särdrag kan falla under ett QA-tröskelvärde

3. Särdragsimputering – defekta särdrag

$$

$$

• Identifiera felaktiga särdrag
• Tillämpa särdragsimputering

3. Särdragsimputering – möjliga åtgärder

• Numeriska värden

  $$

  • Medelvärdes-/medianvärdesimputering

  • KNN-imputering

$$

• Kategoriska värden

  $$

• Imputering med vanligaste kategori

• Lägga till kategorin "Saknas"

Nu kör vi en övning!

Fullt automatiserad MLOps