Введение В настоящее время для многих организаций разработка модели недостаточна, и они требуют, чтобы разработчики понимали процесс развертывания, чтобы улучшать свои продукты. Модели машинного обучения должны быть запущены в производство, чтобы предприятия могли использовать их для принятия полезных решений. Это максимизирует их ценность. Одна из самых сложных частей эффективного использования машинного обучения — развертывание модели. В развертывании модели участвуют несколько..

Использование Hadoop для развертывания модели машинного обучения Эта запись в блоге основана на идеях, начатых в трех предыдущих записях блога . В этом сообщении блога я покажу, как развернуть ту же модель машинного обучения, которую я развернул как пакетное задание в этом сообщении блога , как очередь задач в этом сообщении блога , внутри AWS Lambda в этом сообщении блога . , в качестве потокового приложения Kafka в этом сообщении блога и службы gRPC в этом сообщении блога ...

Создание моделей машинного обучения, способных изменить мир, — один из самых полезных аспектов работы специалиста по данным. Но для того, чтобы внедрить любую модель машинного обучения в реальный мир, ее необходимо развернуть масштабируемым и воспроизводимым способом — задачу, которую легче сказать, чем выполнить. Инженерные препятствия на последнем этапе часто отнимают много времени и требуют решения. Фактически, отчет Algorithima показал, что во многих организациях более 50% времени..

Я видел, что большинство практикующих ML могут построить модель машинного обучения, но когда дело доходит до развертывания модели или создания реального приложения с помощью модели ML, они не знают, как это сделать. Они показывают код, который они написали в блокноте jupyter или colab. Распространенная жалоба, которую я слышу, заключается в том, что развертывание моделей машинного обучения в производстве — сложный процесс, и это действительно так. Исследования показывают, что почти..

Что такое развертывание модели машинного обучения (ML)? Вы когда-нибудь задумывались, как ваша электронная почта легко классифицирует сообщения как основные, социальные или спам? или как Netflix отображает предложения, основанные на том, что вы, скорее всего, будете смотреть? Это экземпляры моделей машинного обучения, которые были развернуты. Когда модель машинного обучения развернута, мы можем сказать, что она введена в действие в соответствии с предполагаемым вариантом использования...

Методы развертывания и платформы Когда я слышу о модели, мне на ум приходит масштабный образец любого предмета, скажем, масштабный образец здания или города, созданный архитектором, масштабный образец торта, созданный пекарем, или образец выпечки, созданный кондитером. В мире данных модели машинного обучения не масштабируются, а являются частью законченного продукта, обеспечивающего практические решения конкретной проблемы или преимущества для бизнеса. Развертывание модели машинного..