Публикации по теме 'mlops'
Резюме семинара по машинному обучению при катастрофе на Титанике — 20 апреля 2022 г.
На этой неделе мы провели бесплатный Семинар Kaggle Titanic Disaster Machine Learning . В этой записи блога мы подведем некоторые итоги семинара. Ок, покопаемся.
Во-первых, спасибо за голосование за вашу любимую благотворительную организацию!
В беспрецедентных обстоятельствах, с которыми сталкивается наше глобальное сообщество, Arrikto ищет еще больше способов внести свой вклад. Имея это в виду, мы подумали, что вместо халявы мы могли бы дать участникам семинара возможность..
5 проблем, препятствующих внедрению машинного обучения
Преодолевая препятствия, чтобы раскрыть весь потенциал машинного обучения в бизнесе
Согласно отчету CB Insight об искусственном интеллекте, стартапы на основе ИИ получили финансирование в размере 15,1 миллиарда долларов в первом квартале 2022 года. Хотя эта цифра может показаться многим многообещающей, объем финансирования упала до допандемического уровня. Несмотря на то, что в искусственный интеллект вложены миллиарды долларов, многие предприятия все еще борются с внедрением..
Новые курсы по использованию Kubeflow
Здесь, в Arrikto, мы увлечены продвижением Kubeflow и расширением сообщества Kubeflow за счет большего числа специалистов по данным и инженеров MLOps. На сегодняшний день Академия Аррикто в основном сосредоточена на функциональности Kubeflow, а также на навыках Enterprise Kubeflow. Поэтому мы рады объявить о выпуске нескольких новых курсов использования Kubeflow! С помощью этих курсов любой, кто рассматривает Kubeflow, сможет воочию увидеть силу решения через знакомую призму..
MLOps в двух словах: реестр моделей, хранилище метаданных машинного обучения и конвейер моделей
Ниже приводится коллекция из трех кратких материалов, которые я опубликовал на LinkedIn . Они кратко представляют три основные концепции MLOps (Machine Learning Operations):
Реестр моделей Конвейер модели Хранилище метаданных
𝗪𝗵𝗮𝘁 𝗶𝘀 𝗮 𝗠𝗼𝗱𝗲𝗹 𝗥𝗲𝗴𝗶𝘀𝘁𝗿𝘆? 💡
Используйте sklearn, TensorFlow, PyTorch или другой популярный фреймворк. Вы хотели бы отслеживать и, возможно, использовать для вывода позже или на другом устройстве. По этой причине вы хотите 𝗹 𝗮𝗿𝘁𝗶𝗳𝗮𝗰𝘁 путем его сериализации,..
Сквозные конвейеры машинного обучения с MLflow: отслеживание, проекты и обслуживание
Полное руководство по расширенному использованию MLflow
Введение
MLflow — это мощный инструмент, о котором часто говорят из-за его возможностей отслеживания экспериментов. И легко понять почему — это удобная платформа для регистрации всех важных деталей ваших экспериментов по машинному обучению, от гиперпараметров до моделей. Но знаете ли вы, что MLflow может предложить больше, чем просто отслеживание экспериментов? Эта универсальная платформа также включает в себя такие функции,..
Человеческий компонент стека ИИ
Искусственный интеллект (ИИ) доказал свою способность делать многие вещи сам по себе, но люди по-прежнему играют решающую роль. (И я верю, что это будет правдой еще некоторое время.) За кулисами проделывается много работы, чтобы ИИ стал тем невероятным инструментом, которым он является. Когда бизнес начинает переходить к организации, управляемой ИИ, руководство должно помнить об этом. Инструменты ИИ никогда не…
Тот, что с эволюцией процесса MLOps
Факторы, определяющие, насколько продвинуты процессы MLOps
Привет! 👋
В моих предыдущих статьях я познакомил вас с MLOps , его ключевыми этапами, различием между MLOps и DevOps и роль инженера MLOps .
В этой статье я расскажу вам о различных факторах, определяющих зрелость процесса MLOps.
Измерение зрелости процесса MLOps
Зрелость процесса MLOps можно определить следующим образом:
Уровень автоматизации конвейеров машинного обучения определяет зрелость..
