Изучение архитектуры развертывания и мониторинга

  • 4 мин

Чтобы обеспечить надежность модели без отображения по мере развития, команда Proseware следует процессу операций машинного обучения (MLOps), который охватывает все от начальной настройки до текущего мониторинга.

Схема архитектуры операций машинного обучения.

Примечание.

Эта схема представляет собой упрощенное представление архитектуры MLOps. Дополнительные сведения о более подробном наборе реализаций см. в акселераторе решения MLOps версии 2.

Компоненты архитектуры:

  • Настройка. Создание Azure ресурсов, необходимых для решения.
  • Разработка моделей (внутренний цикл): изучение данных и обучение и оценка моделей кандидатов.
  • Непрерывная интеграция: упаковать и зарегистрировать модель.
  • Развертывание модели (внешний цикл): развертывание модели в конечной точке.
  • Непрерывное развертывание: Протестируйте развертывание и безопасно разверните его в промышленной среде.
  • Мониторинг. Отслеживание работоспособности конечной точки и прогнозов модели с течением времени.

Регистрация модели — это точка перехода между первыми тремя этапами и последними тремя. После того как команда специалистов по анализу данных обучает и регистрирует модель, остальная часть этого модуля посвящена второй половине этого цикла: развертыванию зарегистрированной модели, её безопасному переводу, автоматизации и мониторингу.

Определите, что автоматизировать

Вы можете выполнить каждый из этих последующих этапов вручную в Студия машинного обучения Azure. Однако, поскольку Proseware планирует регулярно переобучать и повторно развертывать модель прогнозирования неявок, команда автоматизирует регистрацию, развертывание и тестирование с помощью GitHub Actions, запуская рабочий процесс всякий раз, когда готова новая версия модели. Автоматизация этих повторяющихся шагов позволяет команде сосредоточиться на проверке качества модели, а не повторения команд развертывания вручную.

Примечание.

Автоматизация является центральной для MLOps, но она не заменяет человеческое решение. Рекомендуется сохранять участие человека в процессе принятия решений, например при переводе новой версии модели на полный производственный трафик или при расследовании предупреждения мониторинга.

В следующем уроке показано, как защищённая среда GitHub превращает этот этап проверки в обязательный этап допуска к развертыванию.