Administratívne informácie
| Názov | MLOps Životný cyklus |
| Trvanie | 60 |
| Modul | B |
| Druh lekcie | Praktické |
| 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
- Študentom sa odporúča oboznámiť sa s nasledujúcimi nástrojmi a technikami
- JupyterNotebooks – reštaurácie v okolí
- CUE
- Docker
- Papierový mlyn
- Streamlit
- Škrupina škrupín
Odporúčané pre učiteľov
- JupyterNotebooks – reštaurácie v okolí
- CUE
- Docker
- Papierový mlyn
- Streamlit
- Škrupina škrupín
Učebné materiály
- Pozrite si kompletný balík tu RADIX-Practical-Package
Pokyny pre učiteľov
Úvod
Pred vyučovaním praktického kurzu MLOps je nevyhnutné, aby učitelia dôkladne pochopili nástroje a technológie uvedené v náčrte kurzu. Kurz je štruktúrovaný okolo 3-dielneho demo, z ktorých každá zvýrazňuje odlišný prístup k MLOps. Tu sú kroky, ako sa oboznámiť s týmito nástrojmi:
1. Shell (manuálny) spôsob
Cieľ: Pochopiť základy nastavenia prostredia Python a spustenie poznámkového bloku Jupyter.
Kroky:
Python Životné prostredie: Nainštalujte Python na váš systém. Naučte sa, ako vytvoriť virtuálne prostredie pomocou venv alebo conda. Aktivácia a deaktivácia prostredia.
Inštalácia balíka: Pochopiť štruktúru a účel súboru requirements.txt. Prax inštalácie balíkov pomocou pip install -r requirements.txt.
Poznámkový blok Jupyter: Nainštalujte si notebook Jupyter. Naučte sa základy spúšťania Jupyter servera. Cvičte vytváranie, beh a ukladanie poznámkových blokov.
Streamlit Server: Pochopiť účel Streamlit a ako ho možno použiť na vytváranie webových aplikácií. Prax s použitím artefaktov vytvorených z poznámkového bloku Jupyter v aplikácii Streamlit.
Úvahy: Pochopiť výhody tohto prístupu, ako je budovanie základných znalostí a počiatočné prototypovanie. Uvedomte si jeho obmedzenia, ako je potenciálna neporiadok, výzvy pri prenose znalostí a ťažkosti s replikáciou nastavení.
2. Docker + Make (dedičský) spôsob
Cieľ: Pochopiť koncept kontajnerizácie a automatizácie pomocou Docker a Make.
Kroky:
Docker: Nainštalujte Docker na váš systém. Pochopiť štruktúru a účel Dockerfile. Prax budovania Docker obrazy a bežiace kontajnery. Oboznámte sa s bežnými príkazmi Docker.
Makefile: Pochopte účel Makefile pri automatizácii úloh. Naučte sa základnú syntax Makefile. Písanie a vykonávanie jednoduchých príkazov.
Úvahy: Pochopiť výhody tohto prístupu, ako je reprodukovateľnosť. Rozpoznať jeho obmedzenia, ako je potreba replikácie naprieč projektmi, prepínanie kontextu a jeho zameranie na obrázky cez artefakty.
3. Radix (kompozičný) spôsob
Cieľ: Ponorte sa do pokročilých postupov MLOps pomocou kompozičných pracovných postupov.
Kroky:
Papierový mlyn: Pochopiť účel Papermill pri parametrizácii a vykonávaní poznámkových blokov Jupyter. Precvičte si vytváranie a beh notebookov s Papermill. Preskúmajte dostupné balíky alebo zvážte vytvorenie jednoduchého balíka.
Streamlit (rozšírené): Ponorte sa hlbšie do pokročilých funkcionalít Streamlit. Preskúmajte dostupné balíky alebo zvážte vytvorenie jednoduchého balíka.
Tvorba pracovného postupu: Pochopiť koncept kompozičných pracovných postupov v MLOps. Prax vytvárania pracovných postupov, ktoré využívajú balíky Papermill a Streamlit.
Úvahy: Pochopiť výhody tohto prístupu, ako je reprodukovateľnosť, jednoduchá parametrizácia, validácia a kompozovateľnosť. Uvedomte si jeho obmedzenia, ako je byť na okraji krvácania a potenciálne medzery v dokumentácii.
Záver
Dodržiavaním týchto krokov budú učitelia dobre vybavení na to, aby mohli efektívne realizovať praktický kurz MLOps. Je dôležité nielen pochopiť technické aspekty, ale aj základné dôvody pre výber každého prístupu. To umožní učiteľom poskytnúť študentom komplexné pochopenie postupov MLOps.
Obrysy
| Trvanie (Min) | Popis |
|---|---|
| 30 | Manuálny spôsob – Shell Scripting |
| 30 | Docker + Make (dedičský) spôsob |
| 30 | Radix (kompozičný) spôsob |
| 30 | Runtime, nástroje a výkonnostné úvahy |
| 10 | Zhrnutie a vyhodnotenie výsledkov |
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.