MLOps
Khái niệm MLOPs chính là việc kết hợp giữa Machine Learning và Operations trong quá trình phát triển và triển khai các dự án AI, giúp tối ưu hóa hiệu suất và quản lý mô hình Machine Learning một cách hiệu quả.
Cùng khám phá các công nghệ tiên tiến như AutoML, Kubernetes và các công cụ quản lý dữ liệu để xây dựng hệ thống MLOps mạnh mẽ và linh hoạt.
1. Khái niệm MLOPs
1.1. Giới thiệu về MLOps
Khái niệm MLOps
Các thành phần chính
1.2. Các bước trong vòng đời MLOps
2. Design - Thiết kế
2.1. Design - Quy trình thiết kế
2.2. Chất lượng dữ liệu
2.3. Chỉ số đánh giá
3. Development - Quá trình xử lý dữ liệu
3.1. 3.1 Thu thập dữ liệu
3.2. 3.3 Làm sạch dữ liệu
3.3. 3.4 Khám phá dữ liệu
3.4. 3.5. Lựa chọn và biến đổi dữ liệu
4. Development - Quá trình đào tạo
4.1. Development - Quá trình training
4.2. Thử nghiệm học máy
5. Operations - Triển khai
5.1. Các thành phần chính
5.2. Operations - Triển khai trên server
5.3. Operations - Theo dõi mô hình
6. Các công cụ
6.1. Công cụ xây dựng vòng đời học máy và theo dõi thử nghiệm
7. Nguồn tham khảo thêm
7.1. Một số nguồn best practice làm MLOPs
MLOps: Continuous delivery and automation pipelines in machine learning