iT邦幫忙

2023 iThome 鐵人賽

DAY 2
0

MLOps 發展已經有一段時間,但是在 2020 年才開始逐漸被廣泛討論,這是因為在過去許多企業開始將 AI/ML 應用於生產環境,並開始面臨 AI/ML 應用程式的管理挑戰。 這些挑戰包括:

  • 如何管理數據科學家和工程師之間的協作?
  • 如何管理、監控機器學習模型的生命週期?
  • 如何評估模型的性能?

而 MLOps 正是為了解決這些挑戰而演進出來的流程和自動化步驟,用於管理程式碼、數據和模型。 它結合了 DevOps、DataOps 和 ModelOps。

可從 Databricks 示意圖來理解

另外,Azure Databricks 架構圖也可以幫助我們理解 MLOps 更宏觀、企業級的觀點,除了 Dev/Staging/Production 環境 (DevOps) 的 程式碼管理 (ML Code and Pipeline Code),DataOps 需要考慮 Data Engineering 的 End-to-End 流程,以及 ModelOps 上的模型訓練、驗證、部署、監控等流程。

我們接下來會在接下來的內容中,逐步介紹如何使用 Databricks 來實現 MLOps。

本篇文章同步發表於 吉米筆記本

#15th鐵人賽 #iThome #MLOps #LLMOps #LLM


上一篇
Day01 - 寫在之前: 為何您需要知道從 MLOps 到 LLMOps 的混合雲實踐這篇系列文?
下一篇
Day03 - LLM 與 LLMOps 簡介
系列文
從 MLOps 到 LLMOps 的混合雲實踐6
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言