Публикации по теме 'mlops'


Распознавание лиц с использованием трансферного обучения
"Лучший способ повысить безопасность - это распознавание лиц - скоро оно станет стандартом". ~ Кеша Уильямс Распознавание лиц - это метод идентификации или подтверждения личности человека по его лицу. Системы распознавания лиц можно использовать для идентификации людей на фотографиях, видео или в режиме реального времени. Вы когда-нибудь задумывались, как работает ваша мобильная система блокировки лица? За кулисами над этим работают Deep Learning и Machine Learning. CNN - это..
Нарушение конфиденциальности в федеративном обучении
Федеративное обучение - это новый способ обучения машинному обучению с использованием распределенных данных, которые не централизованы на сервере. Он работает, обучая общую (совместно используемую) модель с личными данными конкретного пользователя, не имея прямого доступа к таким данным. Чтобы глубже понять, как это работает, я рекомендую вам ознакомиться с моим предыдущим сообщением в блоге, в котором содержится общий обзор, а также подробный анализ исследований Google...
Управляйте своими моделями машинного обучения с помощью HuoguoML
Введение При работе с приложениями машинного обучения специалистам по обработке и анализу данных требуются значительные усилия по управлению и координации, поскольку им приходится регулярно совместно анализировать, оценивать и обновлять множество различных моделей с различными метаданными. В этой статье представлена ​​ HuoguoML система управления моделями, которая пытается упростить рабочий процесс. Страница: https://huoguoml.github.io/ Репо:..
Развертывание приложений машинного обучения в Kubernetes с помощью Streamlit и Polyaxon
Пошаговое руководство по обучению, анализу и развертыванию контейнерного приложения машинного обучения Streamlit в Azure Kubernetes (AKS) с использованием Polyaxon . Цели изучения этого руководства Краткое знакомство с контейнерами Kubernetes , Streamlit и Polyaxon . Создайте кластер Kubernetes и разверните Polyaxon с Helm . Как исследовать наборы данных в Jupyter Notebook , работающем в кластере Kubernetes. Как обучить несколько версий модели машинного обучения с помощью..
Ведущие переговоры по инженерии данных от ODSC East 2020
Одно дело создать модель машинного обучения, другое дело - эффективно внедрить ее в своем бизнесе. Чтобы справиться с проблемами перемещения моделей машинного обучения через производство и развертывание, важно хорошо разбираться в MLOps и Data Engineering. Возможно, неудивительно, что MLOps и Data Engineering были популярны в ODSC East Virtual в апреле этого года. Соответственно, мы создали серию видео, включающую в себя основные доклады, семинары и тренинги по MLOps и Data..
От хранилища данных к озеру данных: история трансформации с точки зрения MLOP
Эта история является/будет настоящим опытом для большинства из нас. Если вы не работаете в компании, которая уже сделала необходимые инвестиции в архитектуру данных раньше. Я знаю, что вначале возникает много вопросов; сумма инвестиций, кто будет нести ответственность, нужно ли нам что-либо менять в нашей архитектуре БД, сколько времени это займет, мы небольшая компания, как мы масштабируем это преобразование и т. д. Во-первых, что случилось? Почему вы начали искать по архитектуре..
Глубокое обучение — сквозная автоматизация MLGit2Docker
В последние дни многие компании решили инвестировать в машинное обучение для получения интеллекта и информации. Они набирают более талантливых специалистов по данным, инженеров машинного обучения для решения бизнес-задач с помощью ИИ. Если вас наняли в качестве Data Scientist или ML Engineer, вы начнете анализировать бизнес-проблему и придумаете модель, решив все сложные задачи x-science и y-math, настроите ее для достижения желаемой точности и спланируете развертывание. это в..