24 августа мы провели первый Семинар Kaggle’s Facial Keypoints Detection . На этом семинаре мы показали, как превратить конкурс Kaggle Facial Keypoints Detection в конвейер Kubeflow с помощью KFP SDK и расширения Kale JupyterLab. В этом сообщении блога мы подведем некоторые итоги семинара плюс! Во-первых, спасибо за голосование за вашу любимую благотворительную организацию! В беспрецедентных обстоятельствах, с которыми сталкивается наше глобальное сообщество, Arrikto ищет еще..

Эффективные MLOps в Kubernetes с использованием Kubeflow Машинное обучение !! Машинное обучение !! Машинное обучение !! Да, это текущий сценарий. Куда бы я ни пошел, я вижу машинное обучение. Что ж, AI и ML сейчас стали важнейшими компонентами любого приложения. Электронному веб-сайту нужна модель машинного обучения, такие веб-сайты, как Netflix, используют модель машинного обучения, чтобы предлагать контент своим клиентам. Есть много таких примеров, когда ML играет очень важную..

По какой-то причине я не смог найти это в документации Kubeflow. Спасибо, что избавили меня от боли и душевной боли :)

Есть несколько вариантов использования LLM. К ним относятся не только генерация обычного текста, но и перевод, взаимодействие с людьми или обобщение. Они используются организациями для решения различных задач, в том числе: Повышение производительности за счет сокращения повторяющихся задач Решение проблемы нехватки талантов Создание контента Анализ настроений Генерация контента В зависимости от приложения существует несколько LLM, которые используются для создания контента на..

Простой способ запустить блокнот Jupyter в кластере Kubernetes В Части 1 я показал вам, как создать и развернуть конвейер Kubeflow ML с использованием компонентов Docker. Во второй части я покажу вам, как сделать записную книжку Jupyter компонентом конвейера Kubeflow ML. Если компоненты Docker предназначены для тех, кто использует модели машинного обучения, то возможность запускать блокнот Jupyter на произвольном оборудовании больше подходит для специалистов по данным. Я..

Эта статья является второй частью серии из трех частей, целью которой является реализация MLOps с использованием управляемых конвейеров Kubeflow в GCP. В первой части серии мы узнали о MLOps, различных вариантах оркестровки и основах Docker / Kubernetes. В этой статье основное внимание будет уделено созданию конвейеров Kubeflow, включая дополнительные примеры кодирования. Он охватывает несколько принципов MLOps, в том числе: Переносимость / масштабируемость Отслеживание..