Meta veri deposu

Tam Otomatik MLOps

Arturo Opsetmoen Amador

Senior Consultant - Machine Learning

MLOps'ta meta veri nedir?

Meta veri, ML hattının farklı bileşenleri çalışırken
- oluşturulan yapıtlar hakkında bilgidir

Bir machine learning hattı gösteriliyor. Hattın adımları: veri çıkarma, veri doğrulama, model eğitimi, model değerlendirme ve model doğrulama.

Meta veri örnekleri:

Veri sürümleme: Aynı verinin farklı sürümleri tutulur
Hiperparametreler gibi eğitim yapıtlarına dair meta veriler
Hat (pipeline) yürütme günlükleri

¹ https://datacentricai.org/

ML'de meta verinin önemli yönleri

Veri soyağacı
Yeniden üretilebilirlik
İzleme
Düzenleyici uyum

Meta verinin önemi - Veri soyağacı

Veri soyağacı meta verisi, veriye dair bilgiyi izler:
- oluşturulduğu noktadan
- tüketildiği noktalara kadar

Veri soyağacı kavramını gösteren bir görsel. Verinin kaynağından tüketimine kadar birden çok işlemle nasıl dönüştürülebileceğini gösterir.

Meta verinin önemi - Yeniden üretilebilirlik

Machine learning deneylerimizin meta verisi:
- Başkalarının sonuçlarımızı yeniden üretmesini sağlar
- ML sistemlerimize güveni artırır
- ML sürecimize bilimsel titizlik katar

Yeniden üretilebilirlik kavramını betimleyen bir görsel. Birbirlerinin çalışmalarını teleskopla izleyerek yeniden üretmek isteyen bilim insanlarını gösterir.

Meta verinin önemi - İzleme

ML mühendislerinin şunları yapmasına olanak tanır
- MLOps hattının farklı kısımlarının yürütülmesini izlemek
- ML sisteminin durumunu her an kontrol etmek

Örnek izleme aracı

Çalışan bir MLOps sistemine ait farklı metrikleri gösteren örnek bir izleme panosu.

¹ https://cloud.google.com/stackdriver/docs/solutions/gke/observing

Meta veri deposu

MLOps meta verilerinin tümünü yönetmek için merkezi bir yer:
- deneyler (günlükler)
- yapıtlar
- modeller
- hatlar (pipelines)
Şunları yapmamıza olanak veren bir kullanıcı arayüzü vardır:
- modelle ilgili tüm meta verileri okuma ve yazma

Meta veri deposunun bir çizimi. Birden çok aktör ve sürecin merkezi bir depoda meta veriye eriştiğini gösterir.

¹ https://cloud.google.com/architecture/mlops-continuous-delivery-and-automation-pipelines-in-machine-learning

MLOps mimarisinde meta veri deposu

Tam otomatik MLOps mimarisi görseli. MLOps sürecinde meta veri deposunun merkezi rolünü gösterir.

Tam otomatik MLOps'ta meta veri deposu

Tam otomatik MLOps hattının işleyişinin otomatik izlenmesini sağlar

Otomatik olay müdahalesini kolaylaştırır. Örneğin,
- Otomatik model yeniden eğitimi
- Otomatik geri alma (rollback)

ML sistemindeki sürüklenmenin tetiklediği model yeniden eğitimini gösteren bir grafik. x ekseni zaman, y ekseni performans. Her eğride sürüklenme (drift) kaynaklı bir düşüş var. Sürüklenme noktası işaretlenmiş; bu noktada yeni bir model için yeni bir performans eğrisi başlıyor.

Hadi pratik yapalım!

Tam Otomatik MLOps