著者による画像
 

実稼働環境で ML モデルを効果的にデプロイ、監視、保守したいと考えている人にとって、MLOps (機械学習オペレーション) をマスターすることがますます重要になっています。 MLOps は、ML システム開発 (Dev) と ML システム運用 (Ops) を統合することを目的とした一連のプラクティスです。幸いなことに、オープンソース コミュニティは、初心者がこれらの概念やツールを習得するのを支援する多数のリソースを作成しました。

MLOps をマスターしたい人にとって不可欠な 10 個の GitHub リポジトリを次に示します。

GitHub リンク: グラビアジャ/MLOps-Basics

これは、モデルのモニタリング、構成、データのバージョニング、モデルのパッケージ化、Docker、GitHub Actions、AWS クラウドに関連するさまざまな概念とツールを習得できるように設計された 9 週間の学習プランです。エンドツーエンドの MLOps プロジェクトを構築する方法を学び、毎週、この目標の達成に役立つ特定のトピックに焦点を当てます。

GitHub リンク: マイクロソフト/MLOps

このリポジトリは、MLOps のエンドツーエンドの例とソリューションを提供します。 GitHub や Data Factory や DevOps などの他の Azure サービスと統合された、Azure Machine Learning を使用して ML ワークフローを運用するさまざまなエンドツーエンドのシナリオを示す例のコレクション。

GitHub リンク: ゴクモハンダス/Made-With-ML

MLOps のエンドツーエンドの例とソリューションを探している場合は、このリポジトリが役に立ちます。これには、Azure Machine Learning を使用して ML ワークフローを運用する方法を示すさまざまなシナリオのコレクションが含まれています。さらに、GitHub だけでなく、Data Factory や DevOps などの他の Azure サービスとも統合されています。

GitHub リンク: Pythondeveloper6/Awesome-MLOPS

リポジトリには、MLOps 用にオンラインで利用できるさまざまな無料リソースへのリンクが含まれています。これらのリソースには、YouTube ビデオ、キャリア ロードマップ、フォローする LinkedIn アカウント、書籍、ブログ、無料および有料コース、コミュニティ、プロジェクト、ツールが含まれます。 MLOps に関連するほぼすべてのものが 1 か所で見つかるため、オンラインでさまざまなことを検索する代わりに、リポジトリにアクセスするだけで学習できます。

GitHub リンク: mlops-guide/mlops-guide.github.io

リポジトリは、プロジェクトや企業がより信頼性の高い MLOps 環境を構築するのに役立つ、GitHub でホストされている静的サイトに移動します。 MLOP の原則、実装ガイド、プロジェクトのワークフローについて説明します。 

GitHub リンク: ケルビン/オーサム-ロップス

リポジトリには、AutoML、機械学習のための CI/CD、Cron ジョブ監視、データ カタログ、データ強化、データ探索、データ管理、データ処理、データ検証、データ視覚化、ドリフト検出、特徴エンジニアリング、特徴ストア、ハイパーパラメーター調整、知識共有、機械学習プラットフォーム、モデルの公平性とプライバシー、モデルの解釈可能性、モデルのライフサイクル、モデルの提供、モデルのテストと検証、最適化ツール、簡略化ツール、および視覚的な分析とデバッグ。

GitHub リンク: スカフテニッキ/dtu_mlops

これは DTU のリポジトリです レース02476これには、機械学習オペレーション コースの演習と追加資料が含まれています。このコースは 3 週間にわたり、開発の実践、再現性、自動化、クラウド サービス、展開などのトピックに加え、機械学習アプリケーションの監視やスケーリングなどの高度なトピックもカバーします。 

GitHub リンク: ゴクモハンダス/mlopsコース

このコースは、ベスト プラクティスを使用した運用グレードの ML アプリケーションの設計、開発、デプロイ、反復方法、ML ワークロードのスケーリング、MLOps コンポーネントの統合、継続的な改善とシームレスなデプロイのための CI/CD ワークフローの作成方法を学生に教えることに重点を置いています。

GitHub リンク: DataTalksClub/mlops-zoomcamp

プロジェクトを構築することで新しいコンセプトを学ぶ私のお気に入りのコースの 1 つです。 DataTalks.Club の MLOps コースでは、トレーニングと実験からモデルのデプロイと監視に至るまで、機械学習サービスを実稼働環境に導入する実践的な側面を教えます。機械学習ワークフローを運用する方法を学ぶことに興味のあるデータ サイエンティスト、ML エンジニア、ソフトウェア エンジニア、データ エンジニア向けに設計されています。

GitHub リンク: featurestoreorg/serverless-ml-course

このコースは、サーバーレス機能を備えた完全な機械学習システムの開発に焦点を当てています。これにより、開発者は Kubernetes やクラウド コンピューティングの専門知識を必要とせずに、予測サービスを作成できます。これを行うには、Python プログラムを作成し、サーバーレス機能、推論パイプライン、機能ストア、モデル レジストリを使用します。 

MLOps をマスターすることは、実稼働環境での機械学習プロジェクトの信頼性、拡張性、効率を確保するために不可欠です。上記のリポジトリは、MLOps 原則を効果的に理解して適用するのに役立つ豊富な知識、実用的な例、および重要なツールを提供します。これから始めようとしている初心者でも、知識を深めたい経験豊富な実践者でも、これらのリソースは、MLOps をマスターするまでの道のりにおいて貴重な洞察とガイダンスを提供します。

AI学習プラットフォームをぜひチェックしてください。 トラビスこれは、MLOps とその概念をより早く習得するのに役立ちます。 Travis はトピックに関する説明を生成し、フォローアップの質問をすることができます。さらに、Medium、Substacks、独立したブログ、公式ドキュメント、書籍のトップ出版物によって公開されているブログやチュートリアルへのリンクが提供されているため、独自の調査を行うことができます。

アビッド・アリ・アワン (@ 1abidaliawan) は、機械学習モデルの構築を愛する認定データ サイエンティストのプロフェッショナルです。現在はコンテンツ制作に注力し、機械学習やデータサイエンス技術に関する技術ブログを執筆している。アビッドは、テクノロジー管理の修士号と電気通信工学の学士号を取得しています。彼のビジョンは、精神疾患に苦しむ学生のためにグラフ ニューラル ネットワークを使用して AI 製品を構築することです。

• SEO を活用したコンテンツと PR 配信。 今日増幅されます。
• PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
• プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
• プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
• プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
• 情報源： https://www.kdnuggets.com/10-github-repositories-to-master-mlops?utm_source=rss&utm_medium=rss&utm_campaign=10-github-repositories-to-master-mlops