Мониторинг с помощью машинного обучения отклонения данных, создание более качественных моделей компьютерного зрения и многое другое.
Каждую неделю в сообществе Robust & Responsible AI (R2AI) WhyLabs происходит много событий! Это еженедельное обновление служит подведением итогов, чтобы вы ничего не пропустили!
Начните изучать MLOps и мониторинг машинного обучения:
- 📅 Присоединяйтесь к следующему событию: Создание и мониторинг моделей компьютерного зрения с помощью TensorFlow/Keras +WhyLabs
- 💻 Ознакомьтесь с нашими проектами с открытым исходным кодом Whylogs и LangKit!
- 💬 Присоединяйтесь к более чем 1208 надежным и ответственным участникам AI Slack
- 🤝 Запросите демо-версию, чтобы узнать, какую пользу вам может принести мониторинг машинного обучения
💡 Совет недели от MLOps:
Как настроить ML-мониторинг отклонения данных: пару недель назад мы рассмотрели возможность использованияWhylogs, нашей библиотеки с открытым исходным кодом для обнаружения отклонения данных в среде Python. На этой неделе мы увидим, как мы можем отслеживать дрейф данных в моделях ML на платформе обсерваторииWhyLabs. Это позволит нам легко настраивать оповещения или рабочие процессы на основе любых обнаруженных аномалий.
После установкиWhylogs с помощью `pip` вы сможете создать профиль вашего набора данных с помощью всего лишь нескольких строк кода! Эти профили данных содержат сводную статистику о вашем наборе данных и могут использоваться для отслеживания отклонений данных и проблем с качеством данных. Эти профили можно отправить вWhyLabs для визуализации и мониторинга с помощью всего лишь нескольких строк кода.
import os # set WhyLabs authentication & project keys os.environ["WHYLABS_DEFAULT_ORG_ID"] = 'ORGID' os.environ["WHYLABS_API_KEY"] = 'APIKEY' os.environ["WHYLABS_DEFAULT_DATASET_ID"] = 'MODELID' from whylogs.api.writer.whylabs import WhyLabsWriter # Write a single profile to WhyLabs writer = WhyLabsWriter() profile= why.log(dataset_batch) writer.write(file=profile.view())
Мониторинг качества данных, отклонения данных и производительности модели можно настроить одним щелчком мыши с использованием готовых конфигураций, а пользовательские мониторы можно настроить в пользовательском интерфейсе или с помощью JSON.
Чтобы просмотреть оповещения монитора, нажмите кнопку «Просмотреть сейчас» на соответствующей вкладке данных.
Узнайте больше об обнаружении отклонения данных и мониторинге машинного обучения:
- Мониторинг ОД менее чем за 5 минут
- Разумейте над своими моделями: 5 способов внедрить ML-мониторинг в производство
📝 Последние записи в блоге:
ПочемуLabs признана CB Insights GenAI 50 одним из самых инновационных стартапов в области генеративного искусственного интеллекта
CB Insights включилаWhyLabs в свой первый ежегодный рейтинг GenAI 50, список 50 самых инновационных компаний мира, разрабатывающих генеративные приложения и инфраструктуру искусственного интеллекта в различных отраслях. Что особенно примечательно, так это то, что наблюдаемость модели сразу же признается важной категорией, имеющей решающее значение для успеха приложений LLM. Подробнее на WhyLabs.AI
🎥 Записи мероприятий
Создание лучших моделей компьютерного зрения — Харприт Сахота из Deci AI
На этом мероприятии мы поговорим с Харпритом Сахотой об захватывающем мире глубокого обучения и компьютерного зрения. Мы обсудим, как создавать лучшие модели и приложения компьютерного зрения.
📅 Предстоящие мероприятия R2AI иWhyLabs:
- 23.08 Создание и мониторинг моделей компьютерного зрения с помощью TensorFlow/Keras
- 24.08 Введение в машинное обучение в Академии Ады
- 9/6 Мониторинг LLM на производстве с помощью Hugging Face иWhyLabs
- 13 сентября Введение в наблюдаемость искусственного интеллекта: мониторинг моделей и данных машинного обучения в производстве
- 20/9 Мониторинг LLM на производстве с использованием OpenAI, LangChain иWhyLabs
💻 Обновления с открытым исходным кодомWhyLabs:
Вышла версия whylogs v1.3.0!
Whylogs — это открытый стандарт для регистрации данных и телеметрии с использованием искусственного интеллекта. Обновление этой недели включает в себя:
- зарегистрировать валидатор udf
- Разрешить аргумент session_type для init() для обратной совместимости.
- Добавить новый регистратор процессов и регистратор потоков.
- Уважайте флагallow_anonymous, даже если вы ранее были анонимными.
- Несколько изменений для поддержкиWhy.init для аутентифицированных пользователей.
Полные примечания к выпускуWhylogs можно найти на Github.
Вышел LangKit 0.0.15!
LangKit — это набор инструментов текстовых метрик с открытым исходным кодом для мониторинга языковых моделей.
- Исправлена регрессия совокупного уровня чтения.
- Добавить UDF счетчика регулярных выражений
- Разрешить пользовательский кодировщик встраивания для input_output и тем
- Исправление некоторых проблем с конфигурацией
- Добавить Makefile
Полную информацию о выпуске LangKit см. на Github.
🤝 Оставайтесь на связи с сообществомWhyLabs:
Присоединяйтесь к тысячам инженеров по машинному обучению и специалистам по обработке данных, которые уже используютWhyLabs для решения некоторых из самых сложных случаев мониторинга машинного обучения!
- Более 1208 надежных и ответственных участников AI Slack
- 2 331+Whylogs GitHub Stars
- 1192+ надежных и ответственных участников AI Meetup
- 9,414+ подписчиковWhyLabs LinkedIn
- 900+ подписчиковWhyLabs в Твиттере
Запросите демо, чтобы узнать, какую пользу мониторинг ML может принести вашей компании.
Увидимся в следующий раз! — Мудрец Эллиотт