MLOps-platform
En MLOps-platform er en integreret suite af værktøjer og tjenester, der understøtter hele livscyklussen for maskinlæringsmodeller fra udvikling til drift og monitorering.
Kort fortalt
Kort fortalt: en MLOps-platform hjælper teams med at automatisere og styre hele processen med at bygge, udrulle og vedligeholde AI-modeller.
- Kategori
- værktøj
- Niveau
- øvet
- Udtale
- [em-el-ops-platform]
Betydninger
1- 1
En platform, der understøtter hele MLOps-livscyklussen, herunder dataforberedelse, modeltræning, evaluering, implementering, overvågning og versionering.
- Virksomheden implementerede en MLOps-platform for at automatisere genoptræning og udrulning af deres anbefalingsmodeller.
- En MLOps-platform som Kubeflow gør det muligt at orkestrere maskinlæringspipelines på Kubernetes.
Hvornår bruges det
MLOps-platforme anvendes af organisationer, der ønsker at skalere maskinlæring i produktion. De integrerer typisk modelregistrering, pipeline-orchestrering, overvågning og samarbejdsværktøjer for at sikre reproducerbarhed og governance.
Kodeeksempel
import mlflow
with mlflow.start_run():
mlflow.log_param("learning_rate", 0.01)
mlflow.log_metric("accuracy", 0.95)
mlflow.sklearn.log_model(model, "model")Eksempel på logning af en model og dens metadata i en MLOps-platform (MLflow).
Oprindelse
Begrebet MLOps er en sammentrækning af Machine Learning og Operations (inspireret af DevOps). Platform angiver en samlet infrastruktur.