Úvod

  • 5 min

V různých organizacích se zvyšuje počet projektů strojového učení, protože jsou k dispozici více dat, demokratizace výpočetního výkonu a pokrok v algoritmech používaných k trénování modelů.

Jedním z hlavních překážek při přijímání a škálování projektů strojového učení je však nedostatek jasné strategie a organizačního sila.

MLOps

Operace strojového učení nebo MLOps se zaměřují na efektivnější škálování z testování konceptu nebo pilotního projektu na úlohy strojového učení v produkčním prostředí.

Implementace MLOps vám pomůže zajistit, aby vaše úlohy strojového učení byly robustní a reprodukovatelné. Můžete například kdykoliv monitorovat, přetrénovat a znovu nasadit model při zachování modelu v produkčním prostředí.

Účelem MLOps je zajistit škálovatelnost životního cyklu strojového učení:

  1. Trénování modelu
  2. Model balíčků
  3. Ověření modelu
  4. Nasazení modelu
  5. Monitorování modelu
  6. Přetrénování modelu

Machine learning lifecycle

MLOps vyžaduje více rolí a více nástrojů. Datoví vědci se často zaměřují na všechny úlohy související s trénováním modelu, označované také jako vnitřní smyčka.

K zabalení a nasazení modelu můžou datoví vědci potřebovat pomoc techniků strojového učení, kteří používají postupy DevOps ke škálování modelů strojového učení.

Natrénovaný model a jeho nasazení do produkčního prostředí se často označuje jako vnější smyčka. Ve vnější smyčce se model zabalí, ověří, nasadí a monitoruje. Když se rozhodnete, že se model musí znovu natrénovat, vraťte se do vnitřní smyčky a proveďte změny modelu.

DevOps

Použití principů DevOps, jako je agilní plánování , může vašemu týmu pomoct organizovat vaši práci a rychleji vytvářet dodávky. Díky správě zdrojového kódu můžete usnadnit spolupráci na projektech. Díky automatizaci můžete zrychlit životní cyklus strojového učení.

Tento modul vás seznámí s těmito principy DevOps a zvýrazní dva běžně používané nástroje: Azure DevOps a GitHub.

Cíle výuky

V tomto modulu se naučíte:

  • Proč je DevOps užitečný pro projekty strojového učení.
  • Které principy DevOps je možné použít na projekty strojového učení.
  • Připojení Azure DevOps a GitHubu ke službě Azure Machine Učení