Tại Edge Analytics , chúng tôi cố gắng phát triển các ứng dụng máy học minh bạch và có thể tái sản xuất. Các dự án máy học thường bao gồm nhiều phần và các giải pháp phần mềm có sẵn nhanh chóng để quản lý các phần này được gọi chung là Hoạt động học máy (MLOps).

Chúng tôi nhận thấy việc đầu tư vào cơ sở hạ tầng MLOps giúp tăng tốc khả năng trích xuất thông tin chi tiết có ý nghĩa cho các vấn đề mà chúng tôi giải quyết. Cơ sở hạ tầng MLOps mạnh mẽ sẽ tối ưu hóa thời gian lặp lại của chúng tôi và tăng độ tin cậy của chúng tôi đối với các mô hình mà chúng tôi phát triển cho khách hàng. Trong loạt blog này, chúng ta sẽ thảo luận về một đường dẫn MLOps mẫu bằng cách sử dụng một số công cụ yêu thích của chúng tôi.

Cách chúng tôi sử dụng MLOps tại Edge Analytics

Nhóm của chúng tôi phát triển và triển khai các mô hình ML cho cả thiết bị biên và đám mây. Việc theo dõi quá trình phát triển và triển khai mô hình là rất quan trọng để đảm bảo các thuật toán hoạt động như mong đợi trong thực tế. Chúng tôi sẽ trình bày một ví dụ về quy trình đầy đủ bằng cách sử dụng các công cụ đã hoạt động tốt cho nhóm của chúng tôi. Ví dụ này là một kiến ​​trúc mô-đun với chức năng được chia thành năm bước chính. Các bước này bao gồm:

1. Lưu trữ dữ liệu và I/O
2. Xử lí dữ liệu
3. Phát triển mô hình
4. Theo dõi mô hình
5. Triển khai mô hình

Cân nhắc phát triển đường ống

Xây dựng một đường dẫn MLOps đi kèm với vô số sự đánh đổi để cân bằng giữa cấu trúc và tính linh hoạt. Trong việc lựa chọn các công cụ tốt nhất cho khách hàng của chúng tôi, chúng tôi được hướng dẫn bởi hai nguyên tắc chính:

1. Tóm tắt mã cho các công cụ của bên thứ ba phải đơn giản, nhất quán và được ghi chép đầy đủ.
2. Không có nền tảng duy nhất nào có giải pháp tốt nhất trong tất cả các giải pháp và các tính năng mới thường xuyên có sẵn. Chúng ta nên duy trì một hệ thống linh hoạt có khả năng trao đổi các nền tảng của bên thứ ba.

Cuối cùng, cần thừa nhận rằng không có cách duy nhất để xây dựng một đường dẫn MLOps. Có nhiều công cụ đáng kinh ngạc có thể hỗ trợ phát triển và theo dõi các mô hình ML. Chúng tôi hy vọng quy trình ví dụ này cung cấp cho bạn một nơi tốt để bắt đầu và khuyến khích bạn tìm kiếm các phương pháp phục vụ tốt nhất cho dự án của mình!

Một loạt blog để giới thiệu quy trình của chúng tôi

Trong loạt bài đăng trên blog này, chúng tôi sẽ kiểm tra kỹ hơn từng trụ cột trong số năm trụ cột đường ống MLOps trung tâm trong bối cảnh của một dự án ví dụ phân loại hình ảnh tế bào bạch cầu theo loại tế bào. Và cùng với đó, chúng ta hãy xem lưu trữ dữ liệu …

Máy học tại Edge Analytics

Edge Analytics giúp các công ty xây dựng giải pháp MLOps cho các trường hợp sử dụng cụ thể của họ. Nói rộng hơn, chúng tôi chuyên về khoa học dữ liệu, học máy và phát triển thuật toán cả trên biên và trên đám mây. Chúng tôi cung cấp hỗ trợ từ đầu đến cuối trong suốt vòng đời của sản phẩm, từ nguyên mẫu khám phá nhanh đến thuật toán AI/ML cấp sản xuất. Chúng tôi hợp tác với các khách hàng của mình, từ các công ty trong danh sách Fortune 500 đến các công ty khởi nghiệp sáng tạo, để biến ý tưởng của họ thành hiện thực. Có một vấn đề khó khăn trong tâm trí? Hãy liên lạc tại [email protected] .