Model registry

MLOps แบบอัตโนมัติเต็มรูปแบบ

Arturo Opsetmoen Amador

Senior Consultant - Machine Learning

วงจรชีวิตของโมเดล ML

ภาพแสดงวงจรชีวิตของโมเดล ML ประกอบด้วย 1: การฝึกโมเดล 2: การประเมินและตรวจสอบโมเดล 3: การ deploy และติดตามโมเดล 4: การเลิกใช้งานโมเดล

การโยนโมเดลข้ามรั้ว

ภาพประกอบแนวคิด "โยนโมเดลข้ามรั้ว" เมื่อ training pipeline เสร็จสิ้น โมเดลจะถูกส่งทางอีเมลไปยังทีม Ops ซึ่งสร้างการทำงานแบบแยกส่วนชัดเจน

ก้าวแรกสู่ MLOps แบบอัตโนมัติ

ภาพแสดง workflow หลังการฝึกโมเดล โมเดลจะถูกส่งให้ทีม Ops โดยลงทะเบียนเข้าสู่ model registry

Model registry คืออะไร?

ภาพแสดง model registry ซึ่งเป็นส่วนประกอบที่จัดการขั้นตอน staging, production และ archive ในวงจรชีวิตของโมเดล

Model registry คืออะไร? - การทดลอง

ภาพแสดง experiment ที่ถูกจัดการในสภาพแวดล้อม development ส่งโมเดล ML ที่ฝึกแล้วไปยัง model registry ผ่านระบบ experiment tracking โดย metadata จะถูกเก็บใน metadata store

Model registry คืออะไร? - การลงทะเบียนโมเดล

ต่อจากภาพก่อนหน้า โมเดลถูกส่งจาก Development ไปยัง Staging ผ่าน model registry โดยมี CI/CD ครอบคลุมตลอด workflow

Model registry คืออะไร? - การอัปเดตการ deploy

ภาพต่อเนื่องแสดงโมเดลที่ผ่านขั้นตอน staging และ production แล้ว กำลังถูกใช้งานโดย downstream services

Model registry คืออะไร? - การเลิกใช้งานโมเดล

ภาพสรุปส่วนสุดท้าย โมเดลเก่าที่เคย deploy ให้ downstream services ถูกเก็บเข้า archive ใน model registry หลังจากมีโมเดลใหม่ที่ดีกว่า deploy แทน

มาฝึกกันเถอะ!

MLOps แบบอัตโนมัติเต็มรูปแบบ