Рубрики
Uncategorized

Что такое Mlops?

Недавно я начал новую работу в стартапе машинного обучения. Я отказался, пытаясь объяснить, что я делаю … Помечено машинным обучением, DevOps, Data Science, Cloud Native.

Недавно я начал новую работу в стартапе машинного обучения. Я отказался, пытаясь объяснить, что я делаю с нетехническими друзьями и семьей (моя мама все еще говорит людям, что я работаю с компьютерами). Для тех из вас, кто, по крайней мере, понимает, что «ИИ» — это просто чрезмерный маркетинговый термин для машинного обучения, я могу разбить его для вас, используя последнее модное слово в этой области:

Млопс

Термин «MLOPS» (соединение машинного обучения и операций) относится к практике развертывания, управления и мониторинга моделей машинного обучения в производстве. Это требует лучших практик с области DevOps и использует их для уникальных проблем, которые возникают в системе управления машинного обучения в производстве.

Поиск интересов для «MLOPS» за последние 5 лет. Источник: Google Trends

Термин является относительно новым и быстро вырос в использовании за последний год и является прямым результатом ландшафта машинного обучения. По мере того, как предприятия получают хорошие результаты в сборе данных, проектировании и обучении моделей ML, их фокус сдвигается в направлении интеграции этих моделей в свои программные поместья. Это вызывает всевозможные новые проблемы, связанные с инфраструктурой, масштабируемостью, производительностью и мониторингом, с которыми большинство групп по науке о данных традиционно не оснащены.

Одним из подходов является разделение обязанностей между наукой данных и DevOps, как SO:

  • Наука о данных — проектирование, создание и оценка моделей
  • DevOps — развернуть, контролировать и управлять моделями

Сначала это кажется хорошей идеей Но нам нужно только начать задавать некоторые вопросы, чтобы увидеть, где мы могли бы бороться:

  • Когда мы переучимем модель и развертываем новую версию?
  • Каковы ожидаемые форматы ввода/вывода модели? Нам нужно их проверять?
  • Может ли производительность модели быть оптимизирована с помощью графического процессора?
  • Как мы позволяем постоянно протестировать модели? Ответ на любой из этих вопросов требует знания как самой модели, так и о сложной среде, в которой она развернута.

Реальность такова, что весь жизненный цикл системы ML тесно связан и высоко итеративен по своей природе. Производство ML является сложным и требует опыта в области разработки данных, науки о данных и DevOps. Общий термин «MLOPS» предоставляет простой способ сослаться на методы, инструменты и квалифицированные инженеры, которые населяют растущее пространство между этими дисциплинами.

Обязательная диаграмма Венна — Источник: Википедия

Mlops просто еще одно модное слово? Абсолютно! Но сейчас это лучшее, что у нас есть, и это служит важной цели.

Оригинал: «https://dev.to/ukcloudman/what-is-mlops-37lm»