Otomasyon

Üretim İçin Machine Learning Modelleri Geliştirme

Sinan Ozdemir

Data Scientist, Entrepreneur, and Author

ML otomasyonuna giriş

  • Otomasyon, ML hatlarının güvenilirliğini ve verimliliğini sağlar
  • İnsan hatası riskini azaltır
  • Geliştirme ve dağıtımı hızlandırır
  • Dört temel MLOps ilkesi:
    • Continuous Integration (CI)
    • Continuous Deployment (CD)
    • Continuous Training (CT)
    • Continuous Monitoring (CM)
Üretim İçin Machine Learning Modelleri Geliştirme

Otomasyonun dört ilkesi

Continuous Integration (CI) Kod değişikliklerinin düzenli olarak paylaşılan bir depoya entegre edilmesi kodlama

Continuous Delivery (CD) Kod değişikliklerinin otomatik olarak derlenmesi, test edilmesi ve dağıtılması paket

Continuous Training (CT) Modelin yeni verilerle sürekli eğitilmesi ve güncellenmesi

beyin

Continuous Monitoring (CM) Model performansının ve doğruluğunun sürekli izlenmesi monitör

Üretim İçin Machine Learning Modelleri Geliştirme

Sürekli entegrasyon ve teslim

Continuous Integration (CI)

  • Kodun her zaman çalışır durumda olmasını sağlar
  • İnsan hatası riskini azaltır
  • Sorunları erken yakalar

Continuous Delivery (CD)

  • Hızlı ve tutarlı model dağıtımı
  • Modellerin üretime geçiş süresini kısaltır
  • İnsan hatası riskini azaltır

CI/CD araçları: Git, AWS CodePipeline, Jenkins, Travis CI

jenkins

Üretim İçin Machine Learning Modelleri Geliştirme

Sürekli eğitim ve izleme

Continuous Training (CT)

  • Model doğruluğunu ve güncelliğini korur
  • Model bozulması riskini azaltır
  • Yeniden eğitme süresini kısaltır

Continuous Monitoring (CM)

  • Model bozulması riskini azaltır
  • Genel doğruluğu artırır
  • Tutarlı ve güvenilir ML metriklerine erişim sağlar
  • Sorunları erken belirler

monitör

Üretim İçin Machine Learning Modelleri Geliştirme

Ölçekte ML otomasyonu örneği

  1. CI: Modelin kodu Git'e commit edilir.

  2. CD: Commit edilen kod Jenkins gibi bir CI/CD aracıyla derlenir ve test edilir. Geçerse dağıtırız.

    • Model serileştirilir.
    • Bağımlılıklar Docker ile ayarlanır.
    • Docker imajı dağıtılır.

  3. CM: Model performansı sürekli izlenir.

    • İzleme, modelle ilgili kararları besler.
    • CM araçları: Prometheus ve Grafana

  4. CT: Model yeni verilerle eğitilir.

  5. Yeni kod yazılır / modeller güncellenir ... tekrar adım 1'e

Üretim İçin Machine Learning Modelleri Geliştirme

Hadi pratik yapalım!

Üretim İçin Machine Learning Modelleri Geliştirme

Preparing Video For Download...