Публикации по теме 'mlops'


Скрытые ценности MLOps: ЧАСТЬ I — Углубленное понимание основных ценностей
Скрытые ценности MLOps — серия статей, посвященная пониманию самого обобщающего термина MLOps. Зонтик с проницательными практиками для управления вашими решениями на основе данных. Аудитория Этот документ предназначен для профессионалов, которые рассматривают возможность внедрения MLOps или хотят поразмышлять над своим процессом, не обладая какими-либо особыми техническими знаниями в отношении машинного обучения или науки о данных. Немного истории: Платформа Gold Rush создала..
Оперативное машинное обучение на GCP
Введение В современном бизнесе почти каждая компания либо уже использует машинное обучение (ML), либо использует термины ML или AI в своей дорожной карте. Благодаря облачным вычислениям , позволяющим свести к минимуму время, деньги и ресурсы, необходимые для начала работы, мы наблюдаем более широкое внедрение и демократизацию машинного обучения. Необходимые навыки для разработки алгоритмов машинного обучения наводняют рабочую силу, и корпорации чувствуют внутреннее давление, чтобы..
Руководство по созданию пользовательских образов ускоренного ИИ для SageMaker с помощью oneAPI и Docker
Узнайте, как создавать собственные модели SageMaker для библиотек ускоренного машинного обучения. AWS предоставляет готовые образы машинного обучения для SageMaker, но что произойдет, если вы захотите развернуть собственное решение для логического вывода и обучения? В этом учебном пособии будет рассмотрена конкретная реализация пользовательского обучения машинного обучения и логического вывода, в котором используется daal4py для оптимизации XGBoost для производительности с..
Почему Torch Inference медленнее, чем ONNX и TensorRT ?
Вы когда-нибудь задавались вопросом 1. Почему вам не нужен класс модели для выполнения вывода ONNX или TensorRT , но он нужен для запуска вывода PyTorch? 2. Почему модель PyTorch работает медленно по сравнению с ее экспортированной версией ONNX и TensorRT? Чтобы ответить на этот вопрос, я бы использовал следующие термины: - компилятор - граф вычислений (статический и динамический). Компилятор в базовом смысле заранее выполняет работу по пониманию информации о потоке..
Навигация по операциям машинного обучения (MLOPs): оптимизация разработки, развертывания и…
Введение Появление машинного обучения (МО) произвело революцию во многих секторах, от здравоохранения и финансов до рекламы и развлечений. Поскольку машинное обучение продолжает преобразовывать отрасли, один элемент становится особенно важным — операции машинного обучения или MLOps. Эта практика, вдохновленная принципами DevOps, является ключом к плавному и эффективному внедрению моделей машинного обучения. Сосредоточившись на стандартизации жизненного цикла машинного обучения, MLOps..
Использование MLflow для воспроизводимых экспериментов по науке о данных
Отслеживание экспериментов, происхождение моделей и простое развертывание моделей машинного обучения Здравствуйте, любители НЛП! В эти недели я пишу статьи на важную тему выпуска моделей машинного обучения в производство и, в более общем плане, о практиках MLOps. Вслед за моей последней статьей, которая вводит в тему MLOps , сегодня я покажу, как использовать популярную платформу MLOps с открытым исходным кодом, то есть MLflow. Наслаждаться! 😄 MLflow и MLOps MLflow — это..
Дизайн ML: дешевая, безразмерная конструкция Data Lake с низким сопротивлением
Введение Традиционный архитектурный подход к аналитической обработке основан на жестком подходе схемы при записи, который требует значительного предварительного планирования, прежде чем данные можно будет проанализировать. Отсутствие абстракции данных является узким местом для структур аналитической обработки, позволяющих сосредоточиться на том, что важно (аналитика), а не на том, как структурирована или сжата основная информация. Серьезной проблемой любой аналитической платформы..