Adminisztratív információk
| Cím | MLOps életciklus |
| Időtartam | 60 |
| Modul | B |
| Lecke típusa | Praktikus |
| Fókusz | Gyakorlati – Szervezeti MI |
| Téma | Az MLOps életciklusának végponttól végpontig történő áttekintése |
Kulcsszó
MLOps,Organizational AI,Etikai, Tervezés,
Tanulási célok
- Az MLOps végpontok közötti megértése
- Az adatok lenyelésének megértése
- Ismerkedj meg az algoritmus fejlesztésével
- Ismerje meg a modellfejlesztést és a telepítést
- A folyamatos nyomon követés megértése
Várható előkészítés
Az előtt befejezendő tanulási események
Kötelező a diákok számára
Választható diákok számára
- Adatelőkészítés és -kezelés: Az MLOps-ba való merülés előtt hasznos megérteni a gépi tanulási folyamat kezdeti fázisait, különösen az adatgyűjtést, a tisztítást és az előfeldolgozást
- Modellképzés és validálás: A modellek képzésének, validálásának és értékelésének megértése szilárd alapot nyújt az ML működési szempontjainak megértéséhez.
- Hiperparaméter Tuning: Bár az MLOps kurzusok nem mindig fedik le mélységben, a hiperparaméter tuning megértése hasznos lehet, mivel ez a modelloptimalizálás kulcsfontosságú lépése.
- MLOps eszközök és platformok: Az olyan eszközök ismerete, mint a Kubeflow, az Azure ML és mások, előnyt jelenthet a diákok számára.
- Dokumentációs gyakorlatok az ML-ben: A reprodukálhatóság és az együttműködés szempontjából elengedhetetlen a megfelelő dokumentáció az MLOps-ban. A legjobb gyakorlatok megértése az ML dokumentációban előnyös lehet.
- Crisp-DM, CRISP-ML, ML vászon: Ezek az ML projektmenedzsment módszertanai és keretrendszerei. Az alapvető megértés hasznos lehet az ML projektek operatív oldala számára.
Referenciák és háttér a diákok számára
- A diákoknak azt tanácsoljuk, hogy ismerkedjenek meg a következő eszközökkel és technikákkal
- JupyterNotebookok
- CUE
- Docker
- Papírmalom
- Streamlit
- Shell szkriptelés
Ajánlott tanároknak
- JupyterNotebookok
- CUE
- Docker
- Papírmalom
- Streamlit
- Shell szkriptelés
Leckeanyagok
- Kérjük, olvassa el a teljes csomagot itt RADIX-Practical-Package
Utasítások tanároknak
Bevezetés
A gyakorlati MLOps tanfolyam tanítása előtt elengedhetetlen, hogy a tanárok mélyen megértsék a kurzus vázlatában említett eszközöket és technológiákat. A kurzus egy 3 részes demó köré épül, amelyek mindegyike más megközelítést mutat az MLOps-hoz. Itt vannak a lépések, hogy megismerkedjen ezekkel az eszközökkel:
1. A kagyló (kézi) út
Célkitűzés: Ismerje meg a Python környezet beállításának és a Jupyter notebook futtatásának alapjait.
Lépések:
Python Környezet: Telepítse a Python-t a rendszerére. Ismerje meg, hogyan hozhat létre virtuális környezetet a venv vagy a conda használatával. Gyakorolja a környezet aktiválását és deaktiválását.
Csomag telepítése: Ismerje meg a.txt fájl felépítését és célját. Gyakorolja a csomagok telepítését a pip install -r requirements.txt használatával.
Jupyter Notebook: Telepítse Jupyter Notebook. Ismerje meg a Jupyter szerver indításának alapjait. Gyakorolja a jegyzetfüzetek létrehozását, futtatását és mentését.
Streamlit szerver: Ismerje meg a Streamlit célját és azt, hogy hogyan lehet webes alkalmazásokat létrehozni. Gyakorold a Jupyter notebookból generált tárgyak használatát Streamlit alkalmazásban.
Megfontolások: Ismerje meg ennek a megközelítésnek az előnyeit, mint például az alapismeretek és a kezdeti prototípusok kiépítése. Legyen tudatában annak korlátainak, mint például a lehetséges rendetlenség, a tudástranszfer kihívásai és a beállítások megkettőzésének nehézségei.
2. A Docker + Make (öröklés) mód
Célkitűzés: Ismerje meg a konténerezés és az automatizálás fogalmát a Docker és a Make segítségével.
Lépések:
Docker: Telepítse a Dockert a rendszerére. Ismerje meg a Dockerfile szerkezetét és célját. Gyakorold a Docker képek készítését és a konténerek futtatását. Ismerkedj meg a közös Docker parancsokkal.
Makefile: Értse meg a Makefile célját a feladatok automatizálásában. Ismerje meg a Makefile alapszintaxisát. Gyakorolja az egyszerű parancsok írását és végrehajtását.
Megfontolások: Ismerje meg ennek a megközelítésnek az előnyeit, például a reprodukálhatóságot. Ismerje fel korlátait, mint például a projektek közötti replikálás szükségességét, a kontextusváltást és a képekre való összpontosítást a tárgyak felett.
3. A Radix (kompozíciós) út
Célkitűzés: Merüljön bele a fejlett MLOps gyakorlatokba összetételi munkafolyamatok segítségével.
Lépések:
Papírmalom: Ismerje meg a Papermill célját a Jupyter notebookok paraméterezésében és végrehajtásában. Gyakorolja a jegyzetfüzetek létrehozását és futtatását a Papermill segítségével. Fedezze fel a rendelkezésre álló csomagokat, vagy fontolja meg egy egyszerű csomag létrehozását.
Streamlit (Advanced): Merüljön mélyebben a fejlett Streamlit funkciókba. Fedezze fel a rendelkezésre álló csomagokat, vagy fontolja meg egy egyszerű csomag létrehozását.
Munkafolyamat létrehozása: Ismerje meg a kompozíciós munkafolyamatok fogalmát az MLOps-ban. A Papermill és Streamlit csomagokat használó munkafolyamatok létrehozása.
Megfontolások: Ismerje meg ennek a megközelítésnek az előnyeit, például a reprodukálhatóságot, az egyszerű paraméterezést, a validálást és a komposztálhatóságot. Legyen tisztában annak korlátaival, mint például a vérzés szélén való tartózkodás és a dokumentáció esetleges hiányosságai.
Következtetés
E lépések követésével a tanárok jól fel lesznek szerelve a gyakorlati MLOps tanfolyam hatékony végrehajtására. Fontos, hogy ne csak megértsük a technikai szempontokat, hanem az egyes megközelítések kiválasztásának mögöttes okait is. Ez lehetővé teszi a tanárok számára, hogy átfogóan megértsék az MLOps gyakorlatokat.
Vázlat
| Időtartam (min) | Leírás |
|---|---|
| 30 | A kézi út – Shell Scripting |
| 30 | A Docker + Make (öröklés) mód |
| 30 | A Radix (kompozíciós) út |
| 30 | Futásidő, szerszámozás és teljesítmény megfontolások |
| 10 | Az eredmények összefoglalása és értékelése |
Visszaigazolások
Tarry Singh vagyok. (Real AI B.V., Assen, Hollandia) https://realai.eu
A Human-Centered AI Masters programot az Európai Unió Európai Hálózatfinanszírozási Eszköze (CEF-TC-2020–1 Digitális készségek 2020 EU-IA-0068) társfinanszírozta.