Informații administrative
| Titlu | Ciclul de viață MLOps |
| Durată | 60 |
| Modulul | B |
| Tipul lecției | Prelegere |
| Focalizare | Practică – IA organizațională |
| Subiect | Prezentare generală de la un capăt la altul a ciclului de viață al MLOps |
Cuvinte cheie
MLOps,IA organizațională, etică, proiectare,
Obiective de învățare
- Înțelegerea MLOps de la un capăt la altul
- Înțelegerea ingestiei de date
- Familiarizarea cu dezvoltarea algoritmilor
- Familiarizarea cu dezvoltarea și implementarea modelelor
- Înțelegerea monitorizării continue
Pregătirea preconizată
Evenimente de învățare care urmează să fie finalizate înainte
Obligatoriu pentru studenți
Opțional pentru studenți
- Pregătirea și gestionarea datelor: Înainte de scufundarea în MLOps, este benefic să înțelegeți fazele inițiale ale procesului de învățare automată, în special colectarea datelor, curățarea și preprocesarea.
- Model de formare și validare: Înțelegerea modului în care modelele sunt instruite, validate și evaluate va oferi o bază solidă pentru înțelegerea aspectelor operaționale ale ML.
- Reglarea hiperparametrului: Deși nu este întotdeauna acoperită în profunzime în cursurile MLOps, înțelegerea tuningului hiperparametrului poate fi benefică, deoarece este un pas crucial în optimizarea modelului.
- Instrumente și platforme MLOps: Familiarizarea cu instrumente precum Kubeflow, Azure ML și altele pot oferi studenților un avans.
- Practici de documentare în ML: Documentația adecvată este esențială în MLOps pentru reproductibilitate și colaborare. Înțelegerea celor mai bune practici în documentația ML poate fi avantajoasă.
- Crisp-DM, CRISP-ML, ML Canvas: Acestea sunt metodologii și cadre pentru managementul proiectelor ML. Înțelegerea de bază poate fi benefică pentru partea operațională a proiectelor ML.
Referințe și context pentru studenți
Recomandat pentru profesori
- N/A
Materiale de lecție
Instrucțiuni pentru profesori
- Această prelegere va oferi o imagine de ansamblu completă/fundație a ciclului de viață al MLOps. Cursul va oferi unele fundații și fundal (inclusiv unele fragmente de cod) care vor fi necesare pentru următorul tutorial care va pune în practică procesul MLOps de testare a unui model în scopuri de producție. În mod specific, prelegerea va acoperi:
- Ai este software 2.0 – AI pre și post-lume
- Ciclul de viață MLOps: DataOps, Model Ops și DevOps – cum se potrivește totul.
- Extinderea ecosistemului
- MLOps ciclu de viață – abordare de la un capăt la altul
- Date, model și cod – coloana vertebrală a MLOps
- Software-ul AI și Stack-ul de aplicații
- Instrumente disponibile pe piață astăzi
- Înțelegerea diferitelor stive de aplicații
- Elemente de proiectare MLOps
- Opțiuni arhitecturale
- Lot VS Streaming – Care este cea mai bună abordare
- Strategii de testare – Cum să testați riguros modelele ML
Cele mai multe dintre elementele de pregătire sunt configurate și introduceri la instrumentele utilizate.
Contur
| Durată (min) | Descriere |
|---|---|
| 10 | Ai este software 2.0 |
| 15 | MLOps – despre implementarea și monitorizarea excelentă |
| 10 | O prezentare generală a testării MLOps |
| 15 | Considerații privind timpul de funcționare, instrumentele și performanța |
| 10 | O Paradigmă de testare MLOps completă |
Confirmări
Starry Singh. (Real AI B.V., Assen, Țările de Jos) https://realai.eu
Programul de masterat AI centrat pe om a fost cofinantat de Mecanismul pentru interconectarea Europei al Uniunii Europene sub Grantul CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.