Публикации по теме 'mlops'


Глава 19: Обучение и развертывание моделей TensorFlow в масштабе
Обзор практического машинного обучения с помощью Scikit-Learn, Keras и Tensorflow Орельена Жерона Резюме Итак, вы воспользовались методами, которые мы изучили в первых 18 главах, и создали уродливую модель машинного обучения, которая изменит мир. Но как вы берете его из модели на своей машине или множестве машин и выпускаете в мир, чтобы другие люди могли его использовать? Итак, в этой главе представлен краткий обзор всего этого. По сути, это учебник по MLops, который сам по себе..
Запускаете MLOps? Навигация по лабиринту данных —
Проблемы, извлеченные уроки и некоторые руководящие принципы В последнее время MLOps, ориентированные на данные, заняли центральное место, особенно когда эта тема была поднята в центр внимания пионером отрасли, таким как Эндрю Нг. Это было проблемой в течение долгого времени, так почему же это вдруг такая горячая тема? Несмотря на то, что все впечатляющие разработки, связанные с внедрением принципов и платформ DevOps для управления жизненным циклом модели, действительно значительно..
ML в производстве с SageMaker - Часть 1
Привет. В этой серии статей мы обсуждаем, как быстро, масштабируемо и безопасно запустить проект машинного обучения в производство с помощью AWS SageMaker. Наша дорожная карта будет следующей: Часть 1. Обработка, обучение и развертывание SageMaker (вы здесь) Часть 2 - Масштабируемые конечные точки SageMaker и задания пакетного преобразования Часть 3 - Организация конвейеров машинного обучения с помощью SageMaker, Lambda и StepFunctions Часть 4 - Организация конвейеров..
Найм минимально жизнеспособной команды машинного обучения — Hop Labs
Мне часто задают вопрос руководители, изучающие машинное обучение в своих организациях: «Какова минимальная жизнеспособная команда машинного обучения?». Иными словами, на самом деле они спрашивают: «Сколько мне нужно вложить, чтобы увидеть начальную рентабельность инвестиций?». Это отличный вопрос (и на самом деле два отдельных вопроса, но об этом позже), который относительно недостаточно изучен. Как сообщество, мы проводим много времени, говоря обо всех способах, которыми программное..
Учебник по дрейфу данных
Когда модель машинного обучения развертывается в производственной среде, основной задачей специалистов по данным является актуальность модели с течением времени. Улавливает ли модель новые входящие данные и работает ли она так же хорошо, как и на этапе проектирования? Мониторинг дрейфа производительности модели - важный шаг в производственном машинном обучении; однако на практике это оказывается проблематичным по многим причинам, одна из которых - задержка в извлечении меток новых..
Почему MLOps — это будущее машинного обучения
У вас есть данные, и у вас есть модель. Вы хотите установить эту модель на свой локальный компьютер и обслуживать модель в производстве? Подумайте еще раз. На самом деле происходит то, что время низко висящих фруктов и простых конвейеров машинного обучения давно прошло. Внедрение машинного обучения предполагает создание целых систем, машинное обучение — лишь небольшая часть . Существует множество элементов, необходимых для создания интегрированных систем машинного обучения и их..
День моего путешествия - 4 миллиона операций в секунду
Аюш Пахария 10 апреля 2020 г. аюш.пахария[email protected] Сэр Вимал сказал мне, что самоанализ создает новые идеи. Итак, я размышляю о том, что я сегодня узнал. В моем первом блоге. Набор данных: длительность, баллы — [[2, 20],[3, 30],[7,70],[8, 80]] это отношение 1 к 1 (идеальный сценарий) #Примечание: мы используем функцию подгонки для обучения y После просмотра первой функции модель обучается [2, 20] Машинное обучение = поиск формулы predict([[9]]) будет 90 ( y..