Pengantar

  • 5 menit

Ada peningkatan dalam proyek pembelajaran mesin di seluruh organisasi karena lebih banyak data yang tersedia, demokratisasi kekuatan komputasi, dan kemajuan dalam algoritma yang digunakan untuk melatih model.

Tetapi, salah satu kendala utama saat mengadopsi dan menskalakan proyek pembelajaran mesin adalah kurangnya strategi dan silo organisasi yang jelas.

MLOps

Operasi pembelajaran mesin atau MLOps bertujuan untuk menskalakan secara lebih efisien dari bukti konsep atau proyek pilot ke beban kerja pembelajaran mesin dalam produksi.

Menerapkan MLOps membantu Anda membuat beban kerja pembelajaran mesin menjadi kuat dan dapat direproduksi. Misalnya, Anda akan dapat memantau, melatih kembali, dan menyebarkan kembali model kapan pun diperlukan sambil selalu mempertahankan model dalam produksi.

Tujuan MLOps adalah membuat siklus hidup pembelajaran mesin menjadi scalable:

  1. Model latihan
  2. Mengemas model
  3. Memvalidasi model
  4. Menyebarkan model
  5. Memantau model
  6. Melatih kembali model

Machine learning lifecycle

MLOps membutuhkan beberapa peran dan beberapa alat. Ilmuwan data sering kali berfokus pada semua tugas yang terkait dengan melatih model, yang juga disebut sebagai perulangan dalam.

Untuk mengemas dan menyebarkan model, ilmuwan data mungkin memerlukan bantuan teknisi pembelajaran mesin yang menerapkan praktik DevOps untuk menskalakan model pembelajaran mesin.

Mengambil model terlatih dan menyebarkannya ke produksi sering disebut sebagai perulangan luar. Di perulangan luar, model dikemas, divalidasi, disebarkan, dan dipantau. Saat Anda memutuskan model perlu dilatih kembali, Anda kembali ke perulangan dalam untuk membuat perubahan pada model.

DevOps

Menggunakan prinsip-prinsip DevOps seperti perencanaan agile dapat membantu tim Anda mengatur pekerjaan Anda dan menghasilkan hasil yang lebih cepat. Dengan kontrol sumber, Anda dapat memfasilitasi kolaborasi dalam proyek. Dan dengan otomatisasi Anda dapat mempercepat siklus hidup pembelajaran mesin.

Modul ini akan memperkenalkan Anda pada prinsip-prinsip DevOps ini dan menyoroti dua alat yang biasa digunakan: Azure DevOps dan GitHub.

Tujuan pembelajaran

Dalam modul ini, Anda akan mempelajari:

  • Mengapa DevOps berguna untuk proyek pembelajaran mesin.
  • Prinsip DevOps mana yang dapat diterapkan pada proyek pembelajaran mesin.
  • Bagaimana cara menghubungkan Azure DevOps dan GitHub dengan Azure Machine Learning.