Публикации по теме 'mlops'
Погружение в неопределенность - 6 умных шагов, которые помогут защитить ваши модели машинного обучения в будущем
Издание COVID-19:
Погружение в неопределенность - 6 умных шагов, которые помогут защитить ваши модели машинного обучения в будущем
Ваша модель машинного обучения потерпит неудачу в условиях пандемии. Вот как уменьшить ущерб.
Было опубликовано много статей, посвященных тому, как машинное обучение может и помогает во время пандемии. Правительства Южной Кореи и Тайваня успешно продемонстрировали, как они использовали ИИ для замедления распространения COVID-19 . Французская..
Рабочий процесс модели машинного обучения и отслеживание с помощью MLflow
MLflow - это платформа с открытым исходным кодом для жизненного цикла машинного обучения.
В нынешнем мире, где существует непрерывный поток данных, нам необходимо обеспечить, чтобы база знаний нашей модели также обновлялась. Становится важным, чтобы знания модели улучшались параллельно, чтобы точность не снижалась.
На приведенной ниже диаграмме показана взаимосвязь между данными и базой знаний модели.
Мы будем обсуждать выполнение MLflow на нашем локальном компьютере и,..
Ускорьте обнаружение COVID-19 с OpenVINO в PrimeHub
По сценарию Эвена Вэй
В прошлый раз мы сделали ноутбук с Intel OpenVINO toolkit (если вы не читали, вот он: « Используйте Intel OpenVINO Toolkit в PrimeHub Notebooks ). В этой статье мы будем использовать ноутбук для оптимизации модели Keras для обнаружения COVID-19 с помощью оптимизатора моделей OpenVINO и развертывания оптимизированной модели в качестве конечной точки API в развертывании PrimeHub, которое ускоряется Intel OpenVINO.
Оптимизируйте модель с помощью OpenVINO..
Почему целостность данных является ключом к мониторингу машинного обучения
Почему целостность данных является ключом к мониторингу машинного обучения
Приложения машинного обучения (ML) построены на данных: большие объемы данных передаются в системы машинного обучения, чтобы обучать модели на исторических примерах и делать высококачественные прогнозы в режиме реального времени. Тем не менее, многие проекты машинного обучения ухудшаются или терпят неудачу, в значительной степени из-за того, что целостность данных трудно поддерживать.
Почему данные не..
Передача обучения с использованием MXNet (Часть 2/7) - преобразование данных sklearn
Это вторая публикация из серии руководств по переносному обучению с использованием MXNet. Цель этого раздела - показать вам, как создать конвейер sklearn, который может выполнять преобразование данных как для быстрого экспериментирования, так и для производства.
Часть 1/7. Введение Часть 2/7. Преобразование данных в Sklearn Часть 3/7. Набор данных MXNet и загрузчики данных Часть 4/7. Пользовательские сети MXNet Часть 5/7. Модель учебной базы Часть 6/7...
MLOps: подробное руководство для начинающих
MLOps, AIOps, DataOps, ModelOps и даже DLOps. Эти модные словечки попадают в вашу ленту новостей? Да или нет, настало время быть в курсе последних обновлений бизнес-практик, основанных на искусственном интеллекте. Управление эксплуатацией модели машинного обучения (MLOps) - это способ избавиться от боли в шее в процессе разработки и упростить доставку программного обеспечения на основе машинного обучения, не говоря уже о том, чтобы облегчить жизнь каждому члену команды.
Давайте..
Автоматизация с использованием git, Github, Jenkins и Docker
Используемые технологии/инструменты: Jenkins, Git, linux (в данном случае RHEL 8), GitHub, Docker.
Git: чтобы получить код, который разработчик фиксирует, и при необходимости в будущем любой может изменить код разработчика. Ссылка на Github для кодов HTML и PHP, необходимых для проекта.
Docker: Docker — еще один инструмент, предназначенный для упрощения создания, развертывания и запуска приложений с использованием контейнеров в слабо изолированной среде. Изоляция и безопасность..
