Administrativní informace
| Název | Životní cyklus MLOps |
| Trvání | 60 |
| Modul | B |
| Typ lekce | Praktické |
| 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
- Studentům doporučujeme seznámit se s následujícími nástroji a technikami
- JupyterNotebooks
- NARÁŽKA
- Docker
- Papírový mlýn
- Streamlit
- Skriptování ve skořápce
Doporučeno pro učitele
- JupyterNotebooks
- NARÁŽKA
- Docker
- Papírový mlýn
- Streamlit
- Skriptování ve skořápce
Materiály pro výuku
- Kompletní balíček naleznete zde RADIX-Practical-Package
Pokyny pro učitele
Úvod
Před výukou praktického kurzu MLOps je nezbytné, aby učitelé měli hluboké porozumění nástrojům a technologiím uvedeným v osnově kurzu. Kurz je strukturován kolem 3-dílného demo, každý zvýrazňuje jiný přístup k MLOps. Zde jsou kroky, jak se seznámit s těmito nástroji:
1. Originální název: The Shell (Manual) Way
Cíl: Pochopte základy nastavení prostředí Python a spuštění poznámkového bloku Jupyter.
Kroky:
Prostředí Pythonu: Nainstalujte Python do svého systému. Naučte se vytvářet virtuální prostředí pomocí venv nebo conda. Praktikujte aktivaci a deaktivaci životního prostředí.
Instalace balíčku: Pochopte strukturu a účel souboru requirements.txt. Procvičte instalaci balíčků pomocí pip install -r requirements.txt.
Jupyter Notebook: Nainstalujte poznámkový blok Jupyter. Naučte se základy spuštění serveru Jupyter. Procvičujte vytváření, běh a ukládání poznámkových bloků.
Streamlit Server: Pochopte účel Streamlitu a jak jej lze použít k vytváření webových aplikací. Cvičte pomocí artefaktů generovaných z poznámkového bloku Jupyter v aplikaci Streamlit.
Úvahy: Pochopte výhody tohoto přístupu, jako je budování základních znalostí a počáteční prototypování. Uvědomte si jeho omezení, jako je potenciální nepořádek, problémy při předávání znalostí a obtíže při replikaci nastavení.
2. Originální název: The Docker + Make (Inheritance) Way
Cíl: Uchopte koncepty kontejnerizace a automatizace pomocí Docker and Make.
Kroky:
Docker: Nainstalujte Docker do vašeho systému. Pochopte strukturu a účel Dockerfile. Procvičte si tvorbu Dockerových obrázků a běžících kontejnerů. Seznamte se s běžnými Docker příkazy.
Makefile: Pochopte účel Makefile při automatizaci úkolů. Naučte se základní syntaxi Makefile. Procvičujte psaní a provádění jednoduchých příkazů.
Úvahy: Pochopte výhody tohoto přístupu, jako je reprodukovatelnost. Uvědomte si jeho omezení, jako je potřeba replikace napříč projekty, přepínání kontextu a zaměření se na obrazy nad artefakty.
3. Radix (kompoziční) cesta
Cíl: Ponořte se do pokročilých postupů MLOps pomocí kompozičních pracovních postupů.
Kroky:
Papírenský mlýn: Pochopit účel Papermill při parametrizaci a provádění poznámkových bloků Jupyter. Procvičujte vytváření a spouštění poznámkových bloků s Papermill. Prozkoumejte dostupné balíčky nebo zvažte vytvoření jednoduchého balíčku.
Streamlit (pokročilý): Ponořte se hlouběji do pokročilých funkcí Streamlit. Prozkoumejte dostupné balíčky nebo zvažte vytvoření jednoduchého balíčku.
Vytváření pracovních postupů: Porozumět konceptu kompozičních workflows v MLOps. Procvičujte vytváření pracovních postupů, které využívají balíčky Papermill a Streamlit.
Úvahy: Pochopte výhody tohoto přístupu, jako je reprodukovatelnost, snadná parametrizace, validace a skládání. Uvědomte si jeho omezení, jako je být na hraně krvácení a potenciální mezery v dokumentaci.
Závěr
Podle těchto kroků budou učitelé dobře vybaveni k tomu, aby účinně doručili praktický kurz MLOps. Je důležité nejen pochopit technické aspekty, ale také základní důvody pro výběr každého přístupu. To umožní učitelům poskytnout studentům komplexní pochopení postupů MLOps.
Obrys
| Doba trvání (Min) | Popis |
|---|---|
| 30 | Originální název: The Manual Way – Shell Scripting |
| 30 | Originální název: The Docker + Make (Inheritance) |
| 30 | Radix (kompoziční) cesta |
| 30 | Runtime, Tooling a výkonnostní aspekty |
| 10 | Shrnutí a vyhodnocení výsledků |
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.