对MLOPS的专题学习
-
理解事务 —— 原子性、一致性、隔离型和持久性
事务 指对系统进行的一组操作,为了保证系统的完整性,事务需要具有ACID特性。 原子性(Atomic) 一个事务包含多个操作,这些操作要么全都执行,要么全都不执行。 实现事务的原子...
-
从小作坊到智能中枢: MLOps简介
UPDATE: 吴恩达最近在Deeplearning.ai的线上直播中也聊了聊MLOps,他认为我们应该将重点转向以数据为中心来开发机器学习系统,而MLOps是为项目持续提供高质量...
-
算法平台中的数据湖系统
在之前的《一小时搭建一个云原生机器学习平台》中,我们介绍了使用 DVC 来做算法数据的版本控制和管理。如果只是在 POC 项目中进行使用,这个方案还算够用,但如果是正式项目,DVC...
-
MLOps 实践系列:如何将 Docker 容器和 Docker Compose 用于机器学习/深度学习应用程序
软件开发中最头痛的问题之一是不同版本的依赖库和环境发生冲突和崩溃。当我们在应用场景中部署很多不同的机器学习项目时,通常会碰到多个项目需要多个版本、多个软件包的依赖性。而在生产环境又...
-
MLOps 实践系列:特征存储(Feature Store)的作用
特征存储好比数据科学的数据仓库。它的主要目标是使数据科学家能够缩短从数据摄取到ML模型训练和推理的时间,填补了MLOps生命周期中的一个重要空白。 什么是特征存储? 特征存储是一个...
-
MLOps-无痛部署机器学习模型和版本的CI/CD实践
对于任何一个数据科学家来说,在模型的新版本投产的时候,通常是复杂的。一方面,对新版本即将产生更好结果充满期待;另一方面,新的闪亮版本也可能包含了一些缺陷,而这些缺陷只有在它们产生了...
-
MLOps开发的十项基本原则
本文讲述开发MLOps时对基础设施的十项要求,使您能够以一种连续、省心和灵活的方式部署ML模型。 本文意在帮助数据科学家/算法工程师训练好的模型顺利投入生产,适合人群包括:(首席)...
-
构建MLOps平台的5个经验总结
在过去的几年里,我一直在开发AlgoLink,最初的定位机器学习部署平台。命名也经过几次变化,从BigR到BigLab再到今天的AlgoLink。在这段时间里,经历过多次重构和优化...
-
MLOps:即将到来的璀璨之星
构建全栈机器学习系统的正确路径。MLOps是简化管理ML生命周期的新兴实践。 在进一步阅读之前,我建议你先阅读这篇论文。它详细讨论了所有相关问题。 在开发ML应用时,一般会出现的主...
-
5个信号表明你可能需要一个MLOps平台
MLOps是一个提供有关机器学习开发最佳实践的软件解决方案。使用MLOps平台可以让你在生产中管理关于机器学习的一切,每一个新的更新都不会让人觉得是一个全新的项目,而且很容易与上一...