عملیات یادگیری ماشین

MLOps ترکیبی از روش‌های مهندسی نرم‌افزار و عملیات برای مدیریت چرخه عمر مدل یادگیری ماشین است. نسخه‌بندی داده و مدل، تست، استقرار، پایش و بازآموزی از موضوعات آن هستند.

از تعریف تا کاربرد

وقتی مدل تشخیص تقلب به Production می‌رود، باید بدانیم با چه داده‌ای آموزش دیده، چه نسخه‌ای مستقر است و افت عملکرد آن چگونه شناسایی می‌شود.

MLOps معادل صرفاً اجرای یک Notebook روی سرور نیست. قابلیت بازتولید و مدیریت ریسک خروجی مدل ضروری است.

درک تفاوت این موضوع با انحراف توزیع داده و تغییر رابطه داده و هدف به انتخاب راهکار مناسب‌تر کمک می‌کند.

چرا مدل خوب کافی نیست؟

MLOps نسخه داده و مدل، تست، استقرار، مانیتورینگ Drift و Rollback مدل را سازماندهی می‌کند. لازم است بدانیم هر پیش‌بینی با کدام نسخه مدل و کدام دیتاست آموزش تولید شده است.