生命週期階段

MLOps 部署與生命週期

Nemanja Radojkovic

Senior Machine Learning Engineer

Machine Learning 生命週期

 

1. ML 專案生命週期
2. ML 應用生命週期
3. ML 模型生命週期

模型是…

不是 抽象或理論

模型就是

• 具體、已訓練的模型
• 可立即投入使用

部署

 

• 模型物件 + 部署資源 = 模型部署套件
• 讓模型上線使用 = 部署

 

模型監控

 

• 模型伺服器是否執行中？
• 模型輸入與輸出是否符合預期？
• 亦稱為 部署後監控

 

退役（下線）

 

 

可能原因

• 發現更好的模型
• 建立了更具資訊性的特徵
• 被建模的流程改變，現有模型失效

 

=> 去舊迎新

模型封存

• 在受監管產業很重要。

  為何你的信用風險模型在 2020 年核准了這筆貸款？

 

• 可重現性：能重建、重新載入並使用模型的舊版本
  • 不是件容易的事

 

一起來練習吧！

MLOps 部署與生命週期