Bakımı kolay ML kodu yazma

Üretim İçin Machine Learning Modelleri Geliştirme

Sinan Ozdemir

Data Scientist, Entrepreneur, and Author

Proje yapılandırma

Proje dosyalarını mantıklı bir yapıda düzenle
İlgili dosyaları bir araya topla
- Veri kümelerini ve ML modellerini ayrı klasörlerde tut
Dosyaların doğru adlandırıldığından ve etiketlendiğinden emin ol

structure

Örnek proje yapısı

Bir README dosyası, gereksinimler dosyası ve üç alt klasör içeren örnek proje dizini: data, models, notebooks mlops_directory

README.md: Depoyu ve kullanımını açıklar.
requirements.txt: Tüm bağımlılıkları listeler
data: Ham ve işlenmiş veriler dahil veriyle ilgili dosyaları içerir
models: Modellerle ilgili tüm dosyaları, model oluşturma betiklerini içerir.
notebooks: Keşif, eğitim ve değerlendirme için not defterlerini içerir.

Kod versiyonlama

Kod değişikliklerini izlemek için git gibi bir sürüm kontrol sistemi kullan
Gerekirse geri almayı sağlar
Hata ve bug kaynağını bulmaya yardım eder
Paralel çalışmayı mümkün kılar

code

Dokümantasyon

Kodu ve proje yapısını belgele
Her dosyanın ve fonksiyonun amacını açıkla
Kodun nasıl kullanılacağını anlat
ML modelinin nasıl dağıtılacağını ekle

doc

KODUN uyarlanabilirliği

Anlamak, değiştirmek ve güncellemek daha kolay
Kod tabanında değişiklik yapma süresini ve eforu azaltır
Veri + kod + gereksinim değişikliklerine daha rahat uyum sağlar
Hatalara daha az açık
Yeni özellik ve teknolojileri entegre etmek daha kolay
Zamanla evrilen ve uyumlanan ML uygulamaları için kritik

Hadi pratik yapalım!

Üretim İçin Machine Learning Modelleri Geliştirme

Preparing Video For Download...