Introducción
Hay un aumento en los proyectos de aprendizaje automático en todas las organizaciones debido a que hay más datos disponibles, la democratización de la potencia de proceso y el avance en los algoritmos usados para entrenar modelos.
Sin embargo, uno de los principales obstáculos al adoptar y escalar proyectos de aprendizaje automático es la falta de una estrategia clara y los silos organizativos.
MLOps
Las operaciones de aprendizaje automático o MLOps tienen como objetivo escalar de forma más eficaz una prueba de concepto o un proyecto piloto a una carga de trabajo de aprendizaje automático en producción.
La implementación de MLOps le ayuda a hacer que las cargas de trabajo de aprendizaje automático sean sólidas y reproducibles. Por ejemplo, podrá supervisar, volver a entrenar y volver a implementar un modelo siempre que sea necesario mientras mantiene siempre un modelo en producción.
El propósito de MLOps es hacer que el ciclo de vida de aprendizaje automático sea escalable:
- Entrenar modelo
- Modelo de paquete
- Validar modelo
- Implementación del modelo
- Modelo de supervisión
- Volver a entrenar el modelo
MLOps requiere varios roles y varias herramientas. Los científicos de datos suelen centrarse en todas las tareas relacionadas con el entrenamiento del modelo, también denominada bucle interno .
Para empaquetar e implementar el modelo, es posible que los científicos de datos necesiten la ayuda de los ingenieros de aprendizaje automático que aplican prácticas de DevOps para escalar los modelos de aprendizaje automático.
Tomar un modelo entrenado e implementarlo en producción se conoce a menudo como bucle externo . En el bucle externo, el modelo se empaqueta, valida, implementa y supervisa. Cuando decida que el modelo debe ser reentrenado, vuelva al bucle interno y haga cambios en el modelo.
DevOps
El uso de principios de DevOps, como de planeamiento ágil, puede ayudar a su equipo a organizar el trabajo y generar resultados más rápidamente. Con el control de código fuente, puede facilitar la colaboración en proyectos. Además, con la automatización , puede acelerar el ciclo de vida del aprendizaje automático.
Este módulo le presentará estos principios de DevOps y resaltará dos herramientas que se usan habitualmente: Azure DevOps y GitHub.
Objetivos de aprendizaje
En este módulo, aprenderá lo siguiente:
- Por qué DevOps es útil para proyectos de aprendizaje automático.
- Qué principios de DevOps se pueden aplicar a los proyectos de aprendizaje automático.
- Conexión de Azure DevOps y GitHub con Azure Machine Learning.