Публикации по теме 'mlops'
Разверните любую модель машинного обучения на любой облачной платформе
Представляем Truss, библиотеку с открытым исходным кодом для упаковки и развертывания моделей.
Модельное обслуживание — это не просто сложная проблема, это сложная проблема, которая постоянно требует новых решений.
Обслуживание моделей как часть MLOps — это задача DevOps, заключающаяся в том, чтобы сложный и хрупкий артефакт (модель) работал в нескольких динамических средах. По мере создания и обновления фреймворков для обучающих моделей, а также развития производственных сред с..
Машинное обучение с рыночными данными
Этот пост представляет собой общий обзор платформы, которую мы разработали для машинного обучения с рыночными данными.
Рыночные данные
Мы будем говорить о потиковых рыночных данных уровня 1 и уровня 2, доступных на биржах: это данные о сделках, котировках (или верхней части книги) и книге заявок (или глубине книги). Торговая запись состоит из безопасности, метки времени, цены, размера, условий сделки. Котировки состоят из ценной бумаги, метки времени, цены предложения, размера..
От ноутбуков Jupyter к реальной жизни: MLOps
Почему это обязательно?
Моим первым проектом по науке о данных была модель машинного обучения, которая прогнозирует цены на подержанные автомобили. Основными этапами проекта были:
Парсинг объявлений о подержанных автомобилях на веб-сайте Очистка и предварительная обработка очищенных данных Исследовательский анализ данных Создание модели Оценка модели
Конечный результат был вполне удовлетворительным с показателем R-квадрата 0,9. Я имею в виду, что это превзошло мои ожидания,..
Овладение искусством решения задач машинного обучения: полное пошаговое руководство (часть 2)
Овладение искусством решения задач машинного обучения: полное пошаговое руководство (часть 2)
Добро пожаловать в Часть 2 нашего стремления овладеть искусством решения задач машинного обучения!
В предыдущем разделе мы рассмотрели основные этапы понимания проблемы, определения проблемы, сбора и подготовки данных. [См.: Овладение искусством решения задач машинного обучения: полное пошаговое руководство (часть 1) ]
Теперь мы готовы приступить к следующему этапу нашего..
🔍AutoML — Вспомогательная библиотека для инженеров машинного обучения — PyCaret🔥
Автоматизированное машинное обучение относится к использованию автоматизированных процессов и инструментов для рационализации и упрощения процесса разработки и развертывания моделей машинного обучения.
Платформы и инструменты AutoML автоматизируют различные этапы конвейера машинного обучения, такие как предварительная обработка данных, разработка функций, выбор модели, настройка гиперпараметров и оценка модели. Это помогает пользователям экономить время и силы за счет сокращения ручного..
Kubeflow: Машинное обучение в Kubernetes — Часть 1
Kubeflow: машинное обучение в Kubernetes — часть 1
Первоначально опубликовано на kubesimplify.com
Разработка и развертывание систем машинного обучения может быть проблемой из-за множества вещей, которыми вам нужно управлять. В этой статье я познакомлю вас и помогу начать работу с Kubeflow, а также пойму, как работает Kubeflow. Это первая статья из серии Kubeflow, и я постараюсь помочь вам ответить на вопрос «Почему и когда Kubeflow?» и понять архитектуру Kubeflow в сочетании с..
MLFlow для Млопс
В последнее время я искал разные альтернативы для mlops на моей работе. В итоге мы остановились на mlflow, и в этой статье я хочу обобщить свои выводы.
Ресурсы
На сегодняшний день лучший способ узнать об этом — посмотреть эти три видео из блоков данных:
И вот вам документация: https://www.mlflow.org/docs/latest/quickstart.html
Показатель
Что такое млфлоу? Режим сервера 2.1. Отслеживание экспериментов 2.2. Отслеживание модели Режим клиента 3.1. Отслеживание экспериментов..
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..