Administrativne informacije
| Naslov | Životni ciklus MLOpsa |
| Trajanje | 60 |
| Modul | B |
| Vrsta lekcija | Predavanje |
| Fokus | Praktična – Organizacijska umjetna inteligencija |
| Tema | Pregled životnog ciklusa MLOpsa od kraja do kraja |
Ključne riječi
MLOps, Organizacijska umjetna inteligencija, Etika, Dizajn,
Ciljevi učenja
- Razumijevanje MLOpsa od kraja do kraja
- Razumijevanje unosa podataka
- Upoznajte se s razvojem algoritama
- Upoznajte se s razvojem i implementacijom modela
- Razumijevanje kontinuiranog praćenja
Očekivana priprema
Edukativni događaji koji će biti završeni prije
Obvezno za studente
Neobvezno za studente
- Priprema i upravljanje podacima: Prije uranjanja u MLOps, korisno je razumjeti početne faze procesa strojnog učenja, posebno prikupljanje podataka, čišćenje i predobradu.
- Model obuke i validacije: Uvid u to kako su modeli obučeni, validirani i evaluirani pružit će čvrst temelj za razumijevanje operativnih aspekata ML-a.
- Ugađanje hiperparametara: Iako nije uvijek detaljno pokrivena u MLOps tečajevima, razumijevanje hiperparametarskog ugađanja može biti korisno jer je to ključan korak u optimizaciji modela.
- Alati i platforme MLOpsa: Poznavanje alata kao što su Kubeflow, Azure ML i drugi mogu dati studentima glavni početak.
- Praksa dokumentiranja u ML-u: Pravilna dokumentacija ključna je u MLOps-u za obnovljivost i suradnju. Razumijevanje najboljih praksi u ML dokumentaciji može biti korisno.
- Crisp-DM, CRISP-ML, ML platno: To su metodologije i okviri za upravljanje projektima ML-a. Osnovno razumijevanje može biti korisno za operativnu stranu ML projekata.
Preporuke i pozadina za studente
Preporučeno nastavnicima
- NIJE PRIMJENJIVO
Nastavni materijali
Upute za učitelje
- Ovo predavanje pružit će potpuni pregled/utemeljenje životnog ciklusa MLOpsa. Predavanje će pružiti neke temelje i pozadinu (uključujući neke kodne isječke) koje će biti potrebne za sljedeći vodič koji će u praksi primijeniti MLOps proces testiranja modela za proizvodne svrhe. Konkretno, predavanje će obuhvatiti:
- AI je softver 2.0 – Umjetna inteligencija prije i poslije svijeta
- Životni ciklus MLOpsa: DataOps, Model Ops i DevOps – kako se sve uklapa.
- Širenje ekosustava
- Životni ciklus MLOpsa – pristup s kraja na kraj
- Podaci, model i kod – okosnica MLOps
- AI softver i Aplikacije Stack
- Dostupni alati na tržištu danas
- Razumijevanje različitih aplikacijskih hrpa
- MLOps dizajnerski elementi
- Arhitektonski izbori
- Serija VS Streaming – Što je najbolji pristup
- Strategije testiranja – kako rigorozno testirati svoje ML modele
Većina pripremnih stavki je postavljena i uvod u korištene alate.
Nacrt
| Trajanje (min) | Opis |
|---|---|
| 10 | AI je softver 2.0 |
| 15 | MLOps – o velikoj primjeni i praćenju |
| 10 | Pregled ispitivanja MLOpsa |
| 15 | Vrijeme rada, Alatiranje i razmatranja uspješnosti |
| 10 | A Potpuno MLOps testiranje Paradigm |
Priznanja
Tarry Singh. (Real AI B.V., Assen, Nizozemska) https://realai.eu
Diplomski studij umjetne inteligencije usmjeren na čovjeka sufinanciran je Instrumentom za povezivanje Europe Europske unije u okviru bespovratnih sredstava CEF-TC-2020 – 1 Digital Skills 2020-EU-IA-0068.