Публикации по тегам mlops

Публикации по теме 'mlops'

Создание производственных систем машинного обучения на платформе Google Cloud (часть 3)

Масштабирование до облачной платформы для быстрого обучения моделей, оценки, логических выводов, ведения журналов и мониторинга. Это третья часть из четырех частей. Я предлагаю вам прочитать части 1 и 2 для лучшего понимания: Часть 1 "Часть 2" В этой статье мы продолжим изучение производственных систем машинного обучения на GCP, уделяя особое внимание разработке высокопроизводительных систем машинного обучения. Содержание Эффективность на тренировках Конвейеры быстрого..

Улучшение практики управления моделями для команд машинного обучения

Как определить проблемы в повышении эффективности машинного обучения с помощью возможностей управления моделями В этой статье мы пролили свет на то, как выявить проблемы, позволяющие повысить эффективность машинного обучения (ML), в первую очередь за счет возможностей управления моделями. Однако мы не предлагаем какое-либо конкретное решение, но обеспечиваем основу для систематического размышления о проблеме управления моделью. Такую структуру полезно рассмотреть для команд, которые..

Есть ли магазин функций над радугой?

Как выбрать подходящий магазин функций для вашего случая использования Просмотр возможностей любого инструмента в растущей вертикали SaaS напомнил мне песню из Волшебник страны Оз - Over the Rainbow - первоначально спетую Джуди Гарланд, но доведенную до совершенства. Гавайского активиста Исраэля Камакавивоола. Где-то над радугой небо голубое И мечты, о которых ты смеешь мечтать Действительно сбываются Когда-нибудь я пожелаю звезду И проснусь там, где облака далеко позади..

MiniKF теперь доступен на AWS Marketplace

Сегодня мы рады объявить о немедленной доступности ведущего дистрибутива Kubeflow MiniKF на AWS Marketplace! С ноября 2019 года пользователи могут легко и быстро развернуть MiniKF в Google Cloud и своих ноутбуках через Vagrant. Это оказалось очень успешным для специалистов по данным и инженеров по машинному обучению: более 100 компаний развернули MiniKF в Google Cloud и более 18 000 загрузок через Vagrant. Продолжая наше стремление упростить процесс создания, тестирования,..

Добро пожаловать в Arize AI, Юнис!

Мы рады представить Юнис Кокор, нашу новейшую версию Arizer! Юнис присоединится к нашей замечательной команде Front-end Engineering. Юнис совсем недавно работала в журналах Hearst Magazines, где она работала фронтенд-инженером над отображением контента. Юнис имеет степень бакалавра компьютерных наук Колумбийского университета. Юнис влюбилась во все, что связано с технологиями, благодаря своему школьному образованию, где она участвовала в команде робототехники. В колледже Юнис..

Мониторинг машинного обучения - что, почему, где и как?

Убедитесь, что у вас есть здоровая модель, делающая правильные прогнозы Итак, вы развернули свою модель, и теперь она обрабатывает запросы и делает прогнозы на основе текущих данных. Замечательно! Но вы еще не закончили. Как и любой другой сервис, вам нужно следить за своей моделью. Но мониторинг модели - это не то же самое, что мониторинг любой другой службы. В этой статье мы попытаемся объяснить, почему вам нужно отслеживать свою модель, какие показатели вам нужно отслеживать, где..

Сравнение Metaflow, MLFlow и DVC

Вступление Этот пост основан на исследовании, которое я провел, чтобы определить подходящего кандидата для наших потребностей в машинном обучении в HelmholtzAI . Он охватывает мой подход, от понимания проблемы, определения критериев до фактического процесса сравнения, самого сравнения и моих выводов. Вы можете найти репозиторий, который я создал, и центральную часть, сравнительную таблицу, здесь и здесь . Не стесняйтесь следовать за ними или использовать их как основу для своей..