MLOps — это новая область передового опыта для компаний по запуску рабочих процессов машинного обучения в производственной среде. С MLOps связано множество проблем, которые отличает его от традиционного DevOps. От мониторинга, при котором вам может потребоваться отслеживать производительность модели и изменение данных, до оптимизации затрат и масштабирования, когда вам необходимо оптимизировать время простоя графического процессора. Новые инструменты и подходы, которые помогают решать проблемы, появляются каждый месяц, поэтому вот 5 основных выступлений AWS re: Invent 2020, которые помогут вам оставаться в курсе MLOps в облаке AWS.
В этом году re: Invent стал бесплатным и виртуальным, поэтому теперь получить доступ к контенту стало намного проще. Один из лучших способов найти и сохранить все сеансы — использовать Cloud Pegboard.
От POC к производству: стратегии масштабирования машинного обучения
Сессия для руководителей и менеджеров, чтобы узнать, как масштабно организовать машинное обучение в своих компаниях и как решать такие задачи, как MLOps, управление данными и обмен знаниями.
Внедрение методов MLOps с помощью Amazon SageMaker
Сессия для специалистов по данным и ИТ-специалистов, которая показывает, как решать общие задачи MLOps с помощью SageMaker и как реализовать каждую часть вашего сквозного конвейера ML в облаке.
Обнаружение дрейфа модели машинного обучения (ML) в производственной среде
Одна из проблем с моделями машинного обучения по сравнению с кодом заключается в том, что они могут устареть, поскольку он делает прогнозы на основе новых данных, которые сильно отличаются от набора данных поезда. В этом сеансе демонстрируется инструмент SageMaker, который позволяет обнаруживать отклонения в прогнозах.
Безопасное и соответствующее требованиям машинное обучение для регулируемых отраслей
Конвейер машинного обучения интенсивно работает с данными как во время обучения, так и во время прогнозирования. Если ваши данные очень конфиденциальны, организация конвейера может стать проблемой. На этом занятии показаны шаблоны и архитектуры с помощью Amazon SageMaker, который решает эту проблему.
Масштабирование MLOps в Kubernetes с помощью операторов Amazon SageMaker
Одна из проблем, связанных с масштабированием части инфраструктуры машинного обучения, заключается в том, что вам может потребоваться масштабирование конвейеров обучения и логических выводов для нескольких регионов и доступности. В этом сеансе показано, как это сделать с помощью Kubernetes с операторами Amazon SageMaker.