От DevOps к MLOps

Чем MLOps отличается от привычных DevOps-процессов?

MLOps отличается от классического DevOps примерно так же, как машинное обучение отличается от традиционной разработки ПО.

Например, в MLOps необходимо отслеживать сразу три компонента:
— код
— данные
— модели

В DevOps обычно версионируется и отслеживается прежде всего код.

Кроме того, в MLOps появляются дополнительные процессы:

— Версионирование данных – отслеживание изменений в датасетах с помощью DVC (Data Version Control), LakeFS и других инструментов.
— Трекинг экспериментов – сохранение гиперпараметров, метрик и версий моделей для каждого запуска обучения.
— Реестр моделей – отдельное версионирование и управление моделями независимо от артефактов приложения.
— Непрерывное обучение (Continuous Training, CT) – помимо CI/CD, модели необходимо регулярно переобучать по мере изменения данных.

В этой статье подробно разобрано, что MLOps означает для DevOps-инженеров:

— что такое MLOps
— какие навыки нужны DevOps-инженеру
— основные инструменты MLOps
— нужны ли GPU-кластеры для изучения MLOps

Читать тут

@linuxos_tg