MLOps’a Giriş: Kubeflow ile yapay zeka geliştirmenin açıklaması
Pipeline SDK ile deneyin
Çalışan ardışık düzen
Ardışık düzen adımları arasında veri iletme
Elyra ile kolay erişim
görüş
Görüntü İşleme, DALL-E, ChatGPT: Her geçen gün daha fazla yapay zeka modeli günlük yaşama giriyor ve insanların verilerle etkileşim biçimini değiştiriyor. Giderek daha fazla geliştirici, uygulamalarının AI işlevlerini genişletiyor; bu, AI uygulamalarına özel DevOps yaklaşımı olan Makine Öğrenimi İşlemlerinin (MLOps) giderek daha önemli hale geldiği anlamına geliyor. MLOps, işletmelerin ve kuruluşların bir makine öğrenimi uygulamasının tüm yaşam döngüsünü üretim ortamına etkin bir şekilde eşlemesini sağlayan uygulamaları, araçları ve teknolojiyi içerir. MLOps ekosistemindeki önemli bir araç, Kubernetes tabanlı açık kaynaklı bir platform olan Kubeflow’dur. Bu makale dizisi, günümüzün BT ortamında MLOps’un önemini vurgular ve veri bilimcilerin çalışmaya başlamasına yardımcı olmak için MLOps en iyi uygulamalarının temeli olarak Kubeflow’u sunar.
Dr Pavol Bauer, T-Systems’te Kıdemli Veri Bilimcisi ve Ürün Müdürüdür. Veri toplamadan bulut dağıtımına kadar yapay zekanın yaşam döngüsünü uygulamakla ilgileniyor.
Dr Sebastian Lehrig, IBM’de Açık Kaynak ile MLOps’a liderlik ediyor. Amacı, mümkün olan en verimli, güvenli ve güvenilir şekilde IBM altyapısı için optimize edilmiş çözümler sunmaktır.
MLOps, veri bilimcileri ve operasyon ekipleri arasındaki boşluğu kapatmayı amaçlar. Çünkü veri bilimcileri AI modellerini oluştururken, operasyon ekipleri ise modellerin üretimde uygulanmasından ve yönetilmesinden sorumludur. Bunu yapmak için MLOps, belirli yapay zeka iş akışlarını yazılım geliştirme ve teslim için bir dizi en iyi uygulama olan DevOps ilkeleriyle birleştirir. MLOps, ekiplerin modelleri geliştirmeden üretime kadar güvenilir ve ölçeklenebilir bir şekilde almasını ve sürekli iyileştirmesini sağlar. Bu nedenle MLOps’un amacı, üretim ortamında modellerin daha hızlı ve daha etkin kullanılmasını sağlamaktır.
Kubeflow, 2017 yılında Google, IBM ve AWS tarafından başlatıldı. O zamandan beri platform, diğer çeşitli kurum ve kişilerin ortak projesi haline geldi. Büyük hiper ölçekleyicilerin MLOps araç setlerinden farklı olarak Kubeflow, özel veya hibrit Kubernetes tabanlı bulutlara da hizmet verebilir ve bulut altyapısında bir değişiklik yapılıyorsa potansiyel olarak satıcı bağımlılığını ortadan kaldırabilir. Kubeflow, çeşitli sağlayıcılardan yönetilen bir hizmet olarak da edinilebilir.
Giderek daha fazla bilgi.
BT ve teknoloji için dijital abonelik.
- Tüm özel testler, kılavuzlar ve arka plan bilgileri
- Tüm dergiler için tek abonelik: Doğrudan tarayıcınızda c’t, iX, MIT Technology Review, Mac & i, Make, c’t photography okuyun
- Risk yok: ilk ay ücretsiz, ardından aylık 9,95 €’dan başlayan fiyatlarla. Dergi aboneleri daha da az okuyor!
Aya ÜCRETSİZ başlayın
Şimdi ÜCRETSİZ deneyin ve okumaya devam edin!
Zaten bir Haberler+ abonesi misiniz?
Kaydolun ve okuyun
Şimdi kaydolun ve makaleyi hemen okuyun
Haberin Sonu