Публикации по теме 'mlops'
Практика практического мониторинга табличных данных Серия руководств по ML-OPS — 3
MLOPs
3 Практический мониторинг табличных данных. Серия руководств по ML-OPS
Дрейф концепций, дрейф данных и мониторинг
В предыдущем блоге в рамках серии руководств по ML-Ops мы обсуждали, что такое смещение концепций, смещение данных и важность мониторинга как части жизненного цикла машинного обучения. Теперь увидим, как практически удалить дрейф из обучающих и тестовых данных для табличного набора данных.
В большинстве случаев для обнаружения дрейфа в сравнении наборов..
Проблемы разработки программного обеспечения в MLOps
Введение
Последние несколько месяцев я занимался расширением границ понимания проблем разработки программного обеспечения, связанных с операционными аспектами систем машинного обучения.
У меня не было опыта работы с машинным обучением или его экосистемой. Перед тем, как приступить к этому заданию, я думал, что область проблем для операционных аспектов машинного обучения хорошо понимается профессионалами, работающими в этой области, и существуют стандартные способы решения. решение..
Показатели после развертывания — Индекс стабильности населения и Индекс стабильности характеристик
Что такое проверка модели?
После того, как модель разработана, очень важно, чтобы значительное количество времени было потрачено на проверку модели. Это связано с тем, что перед развертыванием модели в производственной среде абсолютно необходимо убедиться в ее точности и надежности. Проверка модели — это итеративный процесс, который выполняется синхронно с разработкой. Основное внимание здесь уделяется статистическим показателям, которые дают нам определенное представление о..
Caption This — Размещенная служба подписей к изображениям на основе глубокого обучения для повышения доступности
Эта статья была подготовлена в рамках финального проекта Гарвардского курса AC215 Fall 2021 .
«Картинка стоит тысячи слов» — кто-то известный.
Авторы: Ши-Йи Ценг, Мэтью Стюарт, Стивен Кнапп, Аль-Муатаз Халил и Эд Байес.
Группа: БККСТ
Мотивация проекта
Мир все больше переходит в онлайн, и примерно половина населения мира имеет доступ к Интернету (Dennis and Kahn, 2021). Интернет создал беспрецедентную возможность для распространения информации, знаний и обучения, от поиска..
Что такое TinyML? Почему TinyML скоро будет везде
Что такое TinyML?
TinyML — это передовая область, которая привносит преобразующую силу машинного обучения (ML) в область крошечных устройств и встроенных систем с ограниченной производительностью и энергопотреблением. Успешное развертывание в этой области требует глубокого знания приложений, алгоритмов, аппаратного и программного обеспечения.
Изменения в TinyML
TinyML скоро будет повсюду, обеспечивая работу интеллектуальных встраиваемых устройств следующего поколения. Эти..
Создайте развертывание вашего API машинного обучения с нулевым временем простоя
Меняйте старые модели на новые, когда захотите, не пропуская ни секунды
Одна из вещей, которые делают API машинного обучения уникальными, заключается в том, что базовые модели необходимо постоянно переобучать по мере поступления новых данных. Это приводит к частым повторным развертываниям и, как следствие, частым простоям.
В этой статье я расскажу вам, как решить эту проблему. Следующий GIF показывает это решение в действии. Слева находится сервер API, на котором выполняется..
Чему специалисты по данным могут научиться у инженеров-программистов. И наоборот!
Во-первых, я хочу сделать небольшую оговорку: цель этого поста — предоставить слегка преувеличенную форму двух профессий: наука о данных и разработка программного обеспечения. в моей повседневной жизни в качестве инженера-программиста я заметил закономерности, которые позволяют мне постоянно думать о двух разных мирах и о том, как угол зрения на проблемы различается в зависимости от вашего опыта работы. Конечно, мы все предвзяты, и, конечно же, все мы являемся существами привычки, когда..