Публикации по теме 'production'
Масштабирование AllenNLP / PyTorch в производстве
В Snaptravel мы создали чат-бота, который позволяет людям бронировать отели. Эта статья не о том, как мы строили модели, у нас уже есть бумага для этого . Вместо этого речь идет о том, как мы взяли существующие модели, построенные в AllenNLP / PyTorch, немного изменив их и производя их для уменьшения использования памяти. В результате мы уменьшили количество инстансов EC2, поскольку мы используем каждый инстанс для увеличения емкости.
Неэффективное использование PyTorch в..
Политика контрфактической оценки для моделей машинного обучения
Цель мониторинга любой системы - отслеживать ее работоспособность. В контексте машинного обучения крайне важно отслеживать производительность моделей, которые мы обслуживаем в производстве. Это может помочь нам сообщить, когда наши модели уже не свежие и требуется переобучение модели. Это также может помочь нам обнаружить злоупотребления в таких случаях, как обнаружение мошенничества, когда злоумышленники могут попытаться нанести вред модели.
Отсутствие наземных меток
Чтобы..
Вступление
Вступление
Машинное обучение с каждым днем привлекает к себе все больше и больше внимания. При этом резко возрастает спрос на готовые к эксплуатации развертывания моделей машинного обучения. В этой статье мы собираемся обсудить, как развернуть вашу модель машинного обучения в производственной среде. Мы начнем с простого подхода, которого нет. что-то делать в производстве, усложнить решение, и, в конце концов, мучая вас всем этим кошмаром, мы закончим с правильным способом..
Извлеченные уроки для внедрения модели глубокого обучения в производство
Вот что сработало (и не помогло) разместить модель машинного обучения в Интернете.
Если вы, как и я, в настоящее время учитесь или работаете с машинным обучением (будь то глубокое обучение или нет), используете записные книжки Jupyter и заинтересованы в простых быстрых способах поделиться своей работой через Интернет, то этот пост для вас. Надеюсь, это сэкономит вам время и немного упростит знакомство с продвижением ваших моделей в производство.
Есть несколько вещей, которые этот пост не..
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..
Менеджер по науке о данных 10X
Если вы специалист по данным или менеджер по анализу данных, вы читали много сообщений о том, как стать ученым по данным 10X, такие как этот и этот , которые довольно полезны и помогут вам лучше выполнять свою работу. . Читайте дальше, если вы либо (а) возглавляете команду специалистов по обработке данных в средней и крупной компании и здоровую смесь этих 10-кратных специалистов по обработке данных, либо (б) бизнес-лидер, который задается вопросом, почему ваши инициативы в области науки..
10 способов ускорить реализацию проекта по науке о данных
От исследования к производству: как избежать основных ошибок
Авторы: Юрий Рапопорт, Рафаэль Феттая
В отличие от обычных проектов по разработке программного обеспечения, продукты, основанные на ИИ / данных, являются довольно новыми для большинства компаний, и пока неясно, как лучше всего перейти от исследований к производству. В следующей статье мы представляем некоторые уроки, извлеченные из развертывания решений машинного обучения в нескольких основных продуктах Checkpoint..
