MLOps
A gépi tanulási modellek fejlesztését, kiadását, megfigyelését és karbantartását támogató gyakorlatok összessége.
Analógia
Mint egy gyártósor és karbantartási napló együtt: a modell elkészítése mellett a biztonságos üzemeltetést is megszervezi.
Miért fontos?
Az MLOps segít a kísérleti modellből olyan fenntartható rendszerhez jutni, amelynek működése és változásai követhetők.
Hogyan működik?
Az MLOps a gépi tanulási modellek fejlesztését és működtetését összekötő gyakorlatok gyűjtőneve. A modell elkészítése mellett foglalkozik az adatok és kísérletek nyomon követésével, a kiadási folyamattal, a működés megfigyelésével és a frissítések kezelésével. A név a gépi tanulás és az üzemeltetés kapcsolatára utal. Nem egyetlen szoftvert jelent, hanem olyan munkamódszert és eszközöket, amelyek segítenek megbízhatóan fenntartani az AI-rendszer életciklusát.
Egy modell teljesítménye a bevezetés után változhat, az adatok átalakulhatnak, vagy új hibák jelenhetnek meg. Az MLOps folyamatok segíthetnek észrevenni ezeket, visszakövetni, milyen modell és adatváltozat működött, majd ellenőrzötten kiadni a javítást. A szervezetnek a technikai mérés mellett az emberi felülvizsgálatot, a hozzáférést és a visszaállítás lehetőségét is meg kell terveznie. Kis kísérlethez nem mindig kell összetett MLOps-rendszer, de éles használatnál a felelősségi és karbantartási feladatokat nem lehet figyelmen kívül hagyni.
Példa
Egy csapat minden modellkiadásnál rögzíti a használt adatok és beállítások változatát, majd figyeli, romlik-e a rendszer eredménye az éles használatban.
Gyakori tévhit
Az MLOps nem pusztán a modell telepítése; a követés, az ellenőrzés és a későbbi karbantartás is része.