Administratívne informácie
| Názov | MLOps Životný cyklus |
| Trvanie | 60 |
| Modul | B |
| Druh lekcie | Prednáška |
| Zameranie | Praktická – Organizačná umelá inteligencia |
| Téma | Komplexný prehľad životného cyklu MLOps |
Kľúčové slová
MLOps, Organizačná AI, Etická, Dizajn,
Vzdelávacie ciele
- Pochopenie MLOps end-to-end
- Pochopenie príjmu dát
- Oboznámiť sa s vývojom algoritmu
- Oboznámiť sa s vývojom a zavádzaním modelov
- Pochopenie nepretržitého monitorovania
Očakávaná príprava
Naučte sa udalosti, ktoré treba dokončiť predtým
Povinné pre študentov
Voliteľné pre študentov
- Príprava a správa údajov: Pred ponorením do MLOps je užitočné pochopiť počiatočné fázy procesu strojového učenia, najmä zber údajov, čistenie a predbežné spracovanie.
- Vzorový tréning a validácia: Pochopenie toho, ako sú modely vyškolené, validované a vyhodnocované, poskytne pevný základ pre pochopenie prevádzkových aspektov VM.
- Ladenie hyperparametrov: Hoci v kurzoch MLOps nie je vždy pokrytá hĺbkou, pochopenie ladenia hyperparametrov môže byť prospešné, pretože je to kľúčový krok v optimalizácii modelu.
- Nástroje a platformy MLOps: Znalosť nástrojov ako Kubeflow, Azure ML a ďalšie môžu dať študentom hlavný štart.
- Dokumentačné postupy v ML: Správna dokumentácia je v MLOps nevyhnutná pre reprodukovateľnosť a spoluprácu. Pochopenie najlepších postupov v dokumentácii ML môže byť výhodné.
- Crisp-DM, CRISP-ML, ML Canvas: Ide o metodiky a rámce pre riadenie projektov ML. Základné porozumenie môže byť prospešné pre prevádzkovú stránku projektov ML.
Referencie a zázemie pre študentov
Odporúčané pre učiteľov
- NEUVÁDZA SA
Učebné materiály
Pokyny pre učiteľov
- Táto prednáška poskytne úplný prehľad/založenie životného cyklu MLOps. Prednáška poskytne niektoré základy a pozadie (vrátane niektorých úryvkov kódu), ktoré budú potrebné pre nasledujúci tutoriál, ktorý uvedie do praxe MLOps proces testovania modelu na výrobné účely. Konkrétne sa prednáška bude týkať:
- AI je softvér 2.0 – Umenie pred a po svete
- Životný cyklus MLOps: DataOps, Model Ops a DevOps – ako sa to všetko hodí.
- Rozšírenie ekosystému
- Životný cyklus MLOps – prístup medzi koncovými bodmi
- Dáta, model a kód – chrbtová kosť MLOps
- AI Softvér a App Stack
- Dostupné nástroje na trhu dnes
- Pochopenie rôznych komínov aplikácií
- Prvky dizajnu MLOps
- Architektonické voľby
- Dávkové VS Streaming – Aký je najlepší prístup
- Stratégie testovania – Ako dôkladne otestovať svoje modely ML
Väčšina prípravných položiek je nastavená a úvody do použitých nástrojov.
Obrysy
| Trvanie (Min) | Popis |
|---|---|
| 10 | AI je softvér 2.0 |
| 15 | MLOps – o veľkom nasadení a monitorovaní |
| 10 | Prehľad testovania MLOps |
| 15 | Runtime, nástroje a výkonnostné úvahy |
| 10 | Kompletné testovanie MLOps Paradigm |
Uznania
Tarry Singh. (Skutočná AI B.V., Assen, Holandsko) https://realai.eu
Program Masters umelej inteligencie zameraný na človeka bol spolufinancovaný z Nástroja Európskej únie na prepájanie Európy v rámci grantu CEF-TC-2020 – 1 Digitálne zručnosti 2020-EU-IA-0068.