Administrativní informace
| Název | Životní cyklus MLOps |
| Trvání | 60 |
| Modul | B |
| Typ lekce | Přednáška |
| Soustředění | Praktické – Organizační AI |
| Téma | Komplexní přehled životního cyklu MLOps |
Klíčová slova
MLOps, Organizační AI, Etická, Design,
Vzdělávací cíle
- Porozumění MLOps end-to-end
- Porozumění požití dat
- Seznamte se s vývojem algoritmů
- Seznámení se s vývojem a nasazením modelů
- Porozumění nepřetržitému monitorování
Očekávaná příprava
Vzdělávací akce, které mají být dokončeny před
Povinné pro studenty
Volitelné pro studenty
- Příprava a správa dat: Před ponořením do MLOps je prospěšné pochopit počáteční fáze procesu strojového učení, zejména sběr dat, čištění a předzpracování.
- Model školení a validace: Pochopení toho, jak jsou modely vyškoleny, validovány a hodnoceny, poskytne pevný základ pro pochopení provozních aspektů ML.
- Hyperparametrové ladění: I když není vždy pokryta do hloubky v MLOps kurzy, pochopení hyperparametr ladění může být prospěšné, protože je to klíčový krok v optimalizaci modelu.
- Nástroje a platformy MLOps: Znalost nástrojů, jako je Kubeflow, Azure ML a další, může dát studentům náskok.
- Postupy dokumentace v ML: Správná dokumentace je v MLOPS nezbytná pro reprodukovatelnost a spolupráci. Pochopení osvědčených postupů v dokumentaci ML může být výhodné.
- Crisp-DM, CRISP-ML, ML plátno: Jedná se o metodiky a rámce pro řízení projektů ML. Základní porozumění může být přínosem pro provozní stránku projektů ML.
Reference a zázemí pro studenty
Doporučeno pro učitele
- N/A
Materiály pro výuku
Pokyny pro učitele
- Tato přednáška poskytne kompletní přehled/založení životního cyklu MLOps. Přednáška poskytne některé základy a zázemí (včetně některých úryvků kódu), které budou potřebné pro následující výukový program, který uvede do praxe proces testování modelu pro výrobní účely. Konkrétně se přednáška bude týkat:
- AI je software 2.0 – před a post-světová AI
- Životní cyklus MLOPS: DataOps, Model Ops a DevOps – jak to všechno zapadá.
- Rozšíření ekosystému
- Životní cyklus MLOPS – přístup mezi koncovými body
- Data, model a kód – páteř MLOps
- AI Software a App Stack
- Dostupné nástroje na trhu dnes
- Pochopení různých zásobníků aplikací
- Designové prvky MLOps
- Architektonické volby
- Dávkové VS Streaming – Co je nejlepší přístup
- Testovací strategie – Jak přísně testovat své modely ML
Většina přípravných položek je nastavena a seznamována s použitými nástroji.
Obrys
| Doba trvání (Min) | Popis |
|---|---|
| 10 | Umělá inteligence je software 2.0 |
| 15 | MLOps – o skvělém nasazení a monitorování |
| 10 | Přehled testování MLOps |
| 15 | Runtime, Tooling a výkonnostní aspekty |
| 10 | Kompletní testování MLOps Paradigm |
Potvrzení
Tary Singh. (Skutečná AI B.V., Assen, Nizozemsko) https://realai.eu
Program Human-Centered AI Masters byl spolufinancován Nástrojem Evropské unie pro propojení Evropy v rámci grantu CEF-TC-2020–1 Digitální dovednosti 2020-EU-IA-0068.