Tebrikler!

Üretim İçin Machine Learning Modelleri Geliştirme

Sinan Ozdemir

Data Scientist, Entrepreneur, and Author

Denemeden üretime geç

• Bir ML denemesinin üretime taşınmaya hazır olduğunu belirle
• Teknik borcun nedenlerini tanı

• Etkili dokümantasyon ve sürdürülebilir kod yaz
• İyi dokümantasyon ve sürdürülebilir kod teknik borcu azaltır

Yeniden üretilebilirliği sağla

• Machine learning'de yeniden üretilebilirliği sağla
• ML işlem hattı performansını eniyilemek için özellik mühendisliği yap

• Yeniden üretilebilir deneyler tasarla
• Değişiklikleri izlemek için veri ve model versiyonlaması uygula

ML modellerini dağıtma

• ML modellerini ve ortamlarını farklı çerçevelerde dağıtım için paketle
• Daha büyük yükleri kaldırmak için modellerin ölçeklenebilirliğini sağla

• Dört MLOps ilkesi: Continuous Integration, Continuous Delivery, Continuous Training ve Continuous Monitoring

Test + Değerlendir

• Farklı test rutinleri: birim testleri, entegrasyon testleri, duman testleri

• Doğru sonuçlar ürettiğinden emin olmak için model güvenilirliğini değerlendir
• Sorunları yakalamak ve performansı iyileştirmek için modelleri test et

Devam et!

• Bu derste öğrendiklerini gerçek bir projeye uygula
• Yeniden üretilebilirlik, ölçeklenebilirlik, güvenilirlik sağla ve veri sapmasını izle
• Modelin için A/B testleri yapacak bir deneme çerçevesi kur
• Modelini düzenli olarak yeniden eğit ve güncelle ki zamanla geçerli ve doğru kalsın
• Machine learning alanındaki yeni gelişmeleri takip etmeyi sürdür
• Becerilerini ve uzmanlığını geliştirmeye devam et

Haydi başlayalım!

Üretim İçin Machine Learning Modelleri Geliştirme