Это часть I серии, иллюстрирующая, как я автоматизировал обучение, оценку и развертывание моделей машинного обучения для одного из моих клиентов и разработал полнофункциональную структуру на основе Kubeflow и MLOps. Часть I. Здесь я познакомлю вас с постановкой проблемы, потребностью в MLOps и 10000-футовым обзором цели проекта и жизненного цикла модели. Часть II — в ней основное внимание уделяется архитектуре, высокоуровневому проектированию и услугам, необходимым для реализации..

Специальное сообщение от основателей Kubeflow: Три года (!!) назад мы (Джереми Льюи, Виш Каннан и Дэвид Арончик) стояли на сцене Kubecon , чтобы впервые представить Kubeflow. Мы даже представить себе не могли, что получится — тысячи звезд GitHub, десятки тысяч коммитов и сообщество, создавшее самую гибкую и масштабируемую платформу для машинного обучения. И, что лучше всего, он не поддерживается огромной компанией, которая требует от вас обновления , чтобы использовать его; мы раздали..