or
यह अभ्यास पाठ्यक्रम का हिस्सा है
यह अध्याय MLOps के उन सिद्धांतों और फ्रेमवर्क कंपोनेंट्स का हाई-लेवल ओवरव्यू देता है जो डिप्लॉयमेंट और लाइफ साइक्लिंग के लिए महत्वपूर्ण हैं।
यह अध्याय उन सभी बातों पर केंद्रित है जिन पर हमें डेवलपमेंट चरण में ही विचार करना चाहिए, ताकि ऑपरेशंस तक पहुँचते-पहुँचते सब कुछ सुचारू रूप से चले। हमारा अंतिम लक्ष्य यह समझाना है कि MLOps की बेहतरीन प्रैक्टिसेज़ का उपयोग करके मॉडल को कैसे ट्रेन करें और ऐसा मॉडल पैकेज बनाएँ जो स्मूद डिप्लॉयमेंट, पुनरुत्पादन (reproducibility) और पोस्ट-डिप्लॉयमेंट मॉनिटरिंग को सक्षम करे।
यह अध्याय मॉडल ऑपरेशंस से जुड़े अहम सवालों पर चर्चा करता है, जैसे: - हम अपने मॉडलों को सर्व करने के कितने तरीके अपना सकते हैं? - API क्या है, और इसकी प्रमुख खूबियाँ क्या हैं? - एंड यूज़र्स के लिए उपलब्ध कराने से पहले हम अपनी सर्विस का पूरी तरह परीक्षण कैसे करें? - सर्विस में बाधा डाले बिना प्रोडक्शन में मॉडलों को कैसे अपडेट करें? आप बैच प्रेडिक्शन, रियल-टाइम प्रेडिक्शन, इनपुट और आउटपुट डेटा वैलिडेशन, यूनिट टेस्टिंग, इंटीग्रेशन टेस्टिंग, कैनरी डिप्लॉयमेंट, और बहुत कुछ सीखेंगे।
वर्तमान अभ्यास
अंतिम अध्याय डिप्लॉयमेंट के बाद ML सर्विसेज़ की मॉनिटरिंग और मेंटेनेंस, साथ ही मॉडल गवर्नेंस के लिए समर्पित है। आप verification latency, covariate shift, concept drift, human-in-the-loop सिस्टम्स, और अन्य महत्वपूर्ण अवधारणाएँ कवर करेंगे।