or
Ця вправа є частиною курсу
У цій главі подано огляд принципів MLOps і компонентів фреймворку, важливих для розгортання та життєвого циклу.
Ця глава присвячена рішенням, які варто приймати вже на етапі розробки, щоб подальші операції відбувалися без ускладнень. Наша мета — пояснити, як тренувати модель за найкращими практиками MLOps і зібрати пакунок моделі, що забезпечує плавне розгортання, відтворюваність і моніторинг після розгортання.
У цій главі розглядаються критичні питання експлуатації моделей, зокрема: - Якими різними способами ми можемо надавати моделі в роботу? - Що таке API і які його ключові можливості? - Як ретельно протестувати сервіс, перш ніж відкрити його кінцевим користувачам? - Як оновлювати моделі в продакшні без переривання сервісу? Ви дізнаєтеся про пакетне передбачення, передбачення в реальному часі, валідацію вхідних і вихідних даних, модульні тести, інтеграційні тести, канаркове розгортання та багато іншого.
Остання глава присвячена моніторингу й підтримці ML‑сервісів після їх розгортання, а також управлінню моделями. Ви опanuєте ключові поняття, як‑от затримка верифікації, зсув коваріат, дрейф концепції, системи з людиною в циклі тощо.
Поточна вправа