Bir MLOps bakış açısı benimsemek

Üretim İçin Machine Learning Modelleri Geliştirme

Sinan Ozdemir

Data Scientist, Entrepreneur, and Author

MLOps

  • Deneyden canlıya kadar ML iş akışını otomatikleştirip sadeleştirme süreci
  • ML deneylerinin düzgün test edilmesini ve dağıtıma/ölçeklenmeye hazır olmasını sağlar

mlops

Üretim İçin Machine Learning Modelleri Geliştirme

ML deneyleri

ML deneyleri, modelleri test edip hangisinin en iyi olduğuna karar vermeyi içerir

  • MLOps model denemelerini kapsar
  • Modelleri farklı veri kümelerinde değerlendirme
  • Dikkatli model seçimi şart
  • Seçim süreci zaman alabilir
  • Proje başarısını sağlar
Üretim İçin Machine Learning Modelleri Geliştirme

Deneylerden üretime

orman

Bir ML deneyi üretime ne zaman hazırdır?

  • Uygun metriklerle test edilip doğrulandı
  • Doğru dokümantasyon var
  • İzleme mekanizmaları kuruldu
  • Üretim ortamı güvenli ve ölçeklenebilir
Üretim İçin Machine Learning Modelleri Geliştirme

Çoğu ML deneyi neden başarısız olur

Bunun birçok nedeni olabilir:

  • Net hedef ve amaçların olmaması
  • Zayıf veri kalitesi
  • Karmaşık model mimarileri
  • Yetersiz eğitim verisi
  • Aşırı öğrenme veya yetersiz öğrenme
Üretim İçin Machine Learning Modelleri Geliştirme

Teknik borç

Aceleyle, doğru test/doğrulama olmadan yazılan kod ya da eksik/tarihî dokümantasyon

  • Erken ele alınmazsa maliyetli hatalar veya bug'lar oluşabilir.
  • En baştan düzgün kod ve dokümantasyonla teknik borçtan kaçın.

iyi_kedi

Üretim İçin Machine Learning Modelleri Geliştirme

Hadi pratik yapalım!

Üretim İçin Machine Learning Modelleri Geliştirme

Preparing Video For Download...