Публикации по теме 'mlops'


Выявление финансового мошенничества в режиме реального времени: руководство по мониторингу отмывания денег
Мошенничество является серьезной проблемой для финансовых учреждений и предприятий. Мошенники постоянно меняют свою тактику, чтобы избежать обнаружения и обмануть жертв, что приводит к значительным финансовым потерям и репутации организаций, на которые они нацелены. Чтобы решить эту проблему, многие предприятия и финансовые учреждения обратились к моделям машинного обучения (ML), чтобы помочь обнаружить и предотвратить мошенничество. Модели машинного обучения — это мощные инструменты,..
Универсалы против (микро)специалистов по архитектуре ИИ
Философия «чем больше, тем лучше», преобладающая в разработке ИИ, приводит к созданию все более и более крупных моделей, особенно для задач, связанных с языком (LLM-s). До сих пор это окупалось, и можно отметить, что связанные с ними архитектурные улучшения могут внести лишь незначительный вклад, в то время как размер моделей, а также обучающих данных, полученных с помощью неконтролируемых методов, является определяющим фактором многих достижений. . Хотя все более крупные модели создают..
Как научиться ML Ops
ML Ops — это практика перемещения моделей из исследовательской в ​​производственную, которая существует уже некоторое время, но до сих пор малоизвестна. По сути, ML Ops является расширением DevOps — термина, описывающего, как инженеры-программисты могут быстро двигаться и ломать вещи, чтобы быстрее внедрять новые функции в производство. Цель состоит в том, чтобы применить принципы DevOps к данным и машинному обучению для управления всем жизненным циклом машинного обучения (сбор данных,..
5 навыков, которыми должен обладать каждый успешный инженер машинного обучения
Инженерия машинного обучения — сложная и сложная область, но при наличии правильных навыков вы можете преуспеть. Узнайте о пяти ключевых навыках, которыми должен обладать каждый успешный инженер машинного обучения. 1. Сильные навыки программирования Одним из наиболее важных навыков для инженера по машинному обучению является прочная основа в программировании. Владение такими языками, как Python, R или Java, необходимо, поскольку эти языки обычно используются в области машинного..
Советы и рекомендации по Kubeflow  —  январь 2022 г.
Добро пожаловать в последний выпуск блога Arrikto с советами и рекомендациями по Kubeflow! В простом формате вопросов и ответов мы стремимся предоставить советы и рекомендации для пользователей Kubeflow от среднего до продвинутого уровня. Хорошо, давайте погрузимся. В чем разница между create_component_from_func и func_to_container_op? Они эквивалентны, но функция func_to_container_op устарела во второй версии SDK. Для получения дополнительной информации о том, что устарело, см...
Классификация текста с использованием долговременной краткосрочной памяти и вложения перчаток
Классифицируйте текст с помощью предварительно обученных встраиваний и двунаправленных LSTM Подготовка текстовых данных для машинного обучения немного отличается от подготовки табличных данных. Что отличает текстовые данные, так это то, что они в основном представлены в строковой форме. Следовательно, мы должны найти лучший способ представить это в числовой форме. В этой части мы увидим, как мы можем подготовить текстовые данные с помощью TensorFlow. В конце концов, мы построим..
Оптимизация рабочего процесса машинного обучения с помощью MLflow, Docker и Azure.
Часть 2 — Серверная часть MLflow и хранилище артефактов. Сценарии 1, 2 и 3 В этой статье: 1. Введение 2. Сценарий 1. Клиент MLflow отслеживает папки. Нет HTTP-сервера отслеживания. 2.1 Настройте «Внутреннее хранилище» и «Хранилище артефактов» клиента MLflow 2.2 Запустите сервер «UI MLflow» 2.3 Пример «Быстрый запуск» в сценарии 1 3. Сценарий 2: отслеживание клиента MLflow в SQLite. Нет HTTP-сервера отслеживания. 3.1 Установите "Внутреннее хранилище" клиента MLflow в локальной базе..