Публикации по теме 'mlops'
Проблемы при развертывании моделей машинного обучения
Машинное обучение — это бурно развивающаяся отрасль, которая принесла невероятные достижения в различных областях. Все используют ML и AI для своего бизнеса и приложений, от небольших стартапов до крупных организаций. Многие организации стремятся развернуть модели машинного обучения, но возникают проблемы с поддержанием хорошей производительности моделей. Эти проблемы часто решаются с помощью множества решений, включая увеличение данных, перенос обучения и многое другое.
В этой..
Знакомство с инструментами машинного обучения (часть 2 из 3)
Текущие инструменты машинного обучения и их внедрение
В предыдущем сообщении в блоге этой серии мы рассмотрели общую зрелость машинного обучения (ML) в отрасли, уделив особое внимание операциям машинного обучения (MLOPs). Двумя основными выводами были поразительное отсутствие зрелости ML в отрасли в целом, а также сложности, связанные с полным охватом MLOps, которые можно рассматривать как апогей зрелости ML. В этом сообщении блога мы рассмотрим последствия внедрения инструментов в..
SHAP для обнаружения дрейфа: эффективный мониторинг сдвига данных
Оповещение о расхождениях в распределении с использованием знаний о модели
SHAP (Shapley Additive exPlanations) – это хорошо известный подход к машинному обучению для получения интерпретируемых результатов. Несомненно, возможность добавлять объяснительную информацию к любой модели, независимо от задачи прогнозирования, является большим преимуществом, которое делает SHAP широко распространенным. Возможность сопоставления каждого значения каждой выборки с соответствующим..
Цель 3.2 — Интеграция Jupyter Notebook и гистограммы
Аим 3.2 теперь доступен! 😊
Мы стремимся демократизировать инструменты разработки ИИ. Спасибо замечательному сообществу Aim за раннее тестирование и обмен проблемами и отзывами.
В течение недели после версии 3.1 мы выпускаем версию 3.2 с рядом ключевых функций, которые очень востребованы:
Расширение Aim Jupyter Notebook (скоро появится Colab…) Отслеживание и визуализация гистограммы Полноразмерные изображения, изменение размера изображений и режимы рендеринга Поиск автозаполнения и..
MLOps (сочетание «машинного обучения» и «операций»)
MLOps — это практика совместной работы и общения специалистов по данным и специалистам по эксплуатации, помогающая управлять жизненным циклом промышленного машинного обучения (или глубокого обучения). Подобно подходам DevOps или DataOps, MLOps стремится повысить автоматизацию и улучшить качество производственного машинного обучения, а также сосредоточиться на бизнес-требованиях и нормативных требованиях. Хотя MLOps также начинался как набор передовых практик, он постепенно превращается..
От упрощения к исполнению: использование Airdot-Deployer для развертывания машинного обучения с помощью seldon-core
От упрощения к исполнению: использование Airdot-Deployer для развертывания машинного обучения с помощью seldon-core
Если вы следили за разработками, связанными с Airdot, вы, вероятно, знаете об упрощенном процессе, который он предлагает для развертывания моделей машинного обучения. Если вы новичок в Airdot, пожалуйста, освойтесь с Airdot, нажав здесь . В этом учебнике особое внимание уделяется использованию Airdot для развертываний с небольшим количеством ядер.
Что такое..
KServe: высокомасштабируемое развертывание машинного обучения с Kubernetes
Вывод модели Kubenetes стал проще.
После выпуска chatGPT становится все труднее избегать технологий, использующих машинное обучение. От предсказания текста в вашем приложении для обмена сообщениями до распознавания лиц на вашем умном дверном звонке — машинное обучение (МО) можно найти практически в каждой технологии, которую мы используем сегодня.
То, как технологии машинного обучения предоставляются потребителям, является одной из многих проблем, с которыми организациям придется..