Informations administratives
| Titre | Cycle de vie des MLOps |
| Durée | 60 |
| Module | B |
| Type de leçon | Conférence |
| Focus | Pratique — IA organisationnelle |
| Sujet | Aperçu de bout en bout du cycle de vie des MLOps |
Mots-clés
MLOps, IA organisationnelle, Éthique, Conception,
Objectifs d’apprentissage
- Comprendre les MLOps de bout en bout
- Comprendre l’ingestion de données
- Se familiariser avec le développement de l’algorithme
- Se familiariser avec le développement et le déploiement de modèles
- Comprendre la surveillance continue
Préparation prévue
Événements d’apprentissage à compléter avant
Obligatoire pour les étudiants
Optionnel pour les étudiants
- Préparation et gestion des données: Avant de plonger dans MLOps, il est bénéfique de comprendre les phases initiales du processus d’apprentissage automatique, en particulier la collecte de données, le nettoyage et le prétraitement.
- Formation et validation du modèle: Une compréhension de la façon dont les modèles sont formés, validés et évalués fournira une base solide pour comprendre les aspects opérationnels de la ML.
- Réglage hyperparamètre: Bien que pas toujours couvert en profondeur dans les cours MLOps, comprendre le réglage hyperparamètre peut être bénéfique car il s’agit d’une étape cruciale dans l’optimisation du modèle.
- Outils et plateformes MLOps: La familiarité avec des outils comme Kubeflow, Azure ML et d’autres peuvent donner aux étudiants une longueur d’avance.
- Pratiques en matière de documentation en LM: Une documentation adéquate est essentielle dans MLOps pour la reproductibilité et la collaboration. Comprendre les meilleures pratiques en matière de documentation ML peut être avantageux.
- Croust-DM, CRISP-ML, ML Toile: Ce sont des méthodologies et des cadres pour la gestion de projets ML. Avoir une compréhension de base peut être bénéfique pour le côté opérationnel des projets ML.
Références et antécédents pour les étudiants
Recommandé pour les enseignants
- S.O.
Matériel de leçon
Instructions pour les enseignants
- Cette conférence fournira une vue d’ensemble complète/fondation du cycle de vie de MLOps. La conférence fournira quelques bases et arrière-plan (y compris quelques extraits de code) qui seront nécessaires pour le tutoriel suivant qui mettra en pratique le processus MLOps de test d’un modèle à des fins de production. Plus précisément, la conférence portera sur:
- L’IA est un logiciel 2.0 — IA pré et post-monde
- Cycle de vie des MLOps: DataOps, Model Ops et DevOps — comment tout cela s’intègre-t-il?
- Développement de l’écosystème
- Cycle de vie des MLOps — approche de bout en bout
- Données, Modèle et Code — l’épine dorsale des MLOps
- AI Software et App Stack
- Outils disponibles sur le marché aujourd’hui
- Comprendre diverses piles d’applications
- Éléments de conception de MLOps
- Choix architecturaux
- Batch VS Streaming — Quelle est la meilleure approche?
- Stratégies de test — Comment tester rigoureusement vos modèles ML
La plupart des éléments de préparation sont mis en place et des introductions aux outils utilisés.
Esquisse
| Durée (min) | Description |
|---|---|
| 10 | L’IA est un logiciel 2.0 |
| 15 | MLOps — à propos d’un déploiement et d’un suivi exceptionnels |
| 10 | Vue d’ensemble des tests MLOps |
| 15 | Considérations d’exécution, d’outillage et de performance |
| 10 | Un Paradigm de test complet de MLOps |
Remerciements
Tarry Singh. (Real AI B.V., Assen, Pays-Bas) https://realai.eu
Le programme de master IA centré sur l’humain a été cofinancé par le mécanisme pour l’interconnexion en Europe de l’Union européenne dans le cadre de la subvention CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.