Afbeelding door auteur
 

Het wordt steeds belangrijker om MLOps (Machine Learning Operations) onder de knie te krijgen voor degenen die hun ML-modellen effectief in productie willen implementeren, monitoren en onderhouden. MLOps is een reeks praktijken die tot doel hebben de ontwikkeling van ML-systemen (Dev) en de werking van ML-systemen (Ops) samen te voegen. Gelukkig heeft de open-sourcegemeenschap talloze bronnen gecreëerd om beginners te helpen deze concepten en hulpmiddelen onder de knie te krijgen.

Hier zijn tien GitHub-repository's die essentieel zijn voor iedereen die MLOps onder de knie wil krijgen:

GitHub-link: graviraja/MLOps-Basics

Het is een studieplan van 9 weken, ontworpen om u te helpen verschillende concepten en tools onder de knie te krijgen met betrekking tot Model Monitoring, Configuraties, Data Versioning, Model Packaging, Docker, GitHub Actions en AWS Cloud. Je leert hoe je een end-to-end MLOps-project opbouwt, en elke week concentreer je je op een specifiek onderwerp om je te helpen dit doel te bereiken.

GitHub-link: microsoft/MLOps

De repository biedt MLOps end-to-end voorbeelden en oplossingen. Een verzameling voorbeelden die verschillende end-to-end-scenario's tonen waarin ML-workflows worden geoperationaliseerd met Azure Machine Learning, geïntegreerd met GitHub en andere Azure-services zoals Data Factory en DevOps.

GitHub-link: GokuMohandas/Made-With-ML

Als u op zoek bent naar end-to-end voorbeelden en oplossingen van MLOps, dan heeft deze repository de oplossing voor u. Het bevat een gevarieerde verzameling scenario's die laten zien hoe u ML-workflows kunt operationeel maken met behulp van Azure Machine Learning. Bovendien is het geïntegreerd met andere Azure-services zoals Data Factory en DevOps, evenals met GitHub.

GitHub-link: Pythondeveloper6/Awesome-MLOPS

De repository bevat links naar verschillende gratis bronnen die online beschikbaar zijn voor MLOps. Deze bronnen omvatten YouTube-video's, carrièreroutekaarten, LinkedIn-accounts om te volgen, boeken, blogs, gratis en betaalde cursussen, communities, projecten en tools. U kunt bijna alles met betrekking tot MLOps op één plek vinden, dus in plaats van online naar verschillende dingen te zoeken, kunt u gewoon de repository bezoeken en leren.

GitHub-link: mlops-guide/mlops-guide.github.io

De repository brengt je naar een statische site die wordt gehost op GitHub en die projecten en bedrijven zal helpen een betrouwbaardere MLOps-omgeving op te bouwen. Het behandelt de principes van MLOP's, implementatiegidsen en projectworkflow. 

GitHub-link: Kelvins/awesome-mlops

De repository bevat een lijst met MLOps-tools die kunnen worden gebruikt voor AutoML, CI/CD voor Machine Learning, Cron Job Monitoring, Data Catalog, Data Enrichment, Data Exploration, Data Management, Data Processing, Data Validation, Data Visualization, Drift Detection, Feature Engineering, Feature Store, Hyperparameter Tuning, Kennis delen, Machine Learning Platform, Eerlijkheid en privacy van modellen, Interpreteerbaarheid van modellen, Levenscyclus van modellen, Modelpresentatie, Testen en valideren van modellen, Optimalisatietools, Vereenvoudigingstools en Visuele analyse en foutopsporing.

GitHub-link: SkafteNicki/dtu_mlops

Dit is een opslagplaats voor de DTU ras 02476, met oefeningen en aanvullend materiaal voor de cursus Machine Learning Operations. De cursus beslaat drie weken en behandelt onderwerpen als ontwikkelingspraktijken, reproduceerbaarheid, automatisering, cloudservices, implementatie en geavanceerde onderwerpen zoals monitoring en schaling voor machine learning-applicaties. 

GitHub-link: GokuMohandas/mlops-cursus

De cursus richt zich op het leren van studenten hoe ze ML-applicaties van productiekwaliteit kunnen ontwerpen, ontwikkelen, implementeren en herhalen met behulp van best practices, ML-workloads kunnen schalen, MLOps-componenten kunnen integreren en CI/CD-workflows kunnen creëren voor continue verbetering en naadloze implementatie.

GitHub-link: DataTalksClub/mlops-zoomcamp

Een van mijn favoriete cursussen om een ​​nieuw concept te leren door een project te bouwen. De MLOps-cursus van DataTalks.Club leert de praktische aspecten van het in productie brengen van machine learning-services, van training en experimenteren tot modelimplementatie en monitoring. Het is ontworpen voor datawetenschappers, ML-ingenieurs, software-ingenieurs en data-ingenieurs die geïnteresseerd zijn in het operationeel maken van machine learning-workflows.

GitHub-link: featurestoreorg/serverless-ml-cursus

Deze cursus richt zich op het ontwikkelen van complete Machine Learning-systemen met serverloze mogelijkheden. Het stelt ontwikkelaars in staat voorspellende diensten te creëren zonder dat daarvoor expertise in Kubernetes of cloud computing nodig is. Ze kunnen dit doen door Python-programma's te schrijven en serverloze functies, inferentiepijplijnen, functiewinkels en modelregisters te gebruiken. 

Het beheersen van MLOps is essentieel voor het garanderen van de betrouwbaarheid, schaalbaarheid en efficiëntie van machine learning-projecten in productie. De hierboven genoemde opslagplaatsen bieden een schat aan kennis, praktische voorbeelden en essentiële hulpmiddelen om u te helpen de MLOps-principes effectief te begrijpen en toe te passen. Of u nu een beginner bent die aan de slag wil of een ervaren beoefenaar die uw kennis wil verdiepen, deze bronnen bieden waardevolle inzichten en begeleiding op uw reis naar het beheersen van MLOps.

Kijk eens naar het AI-leerplatform genaamd Travis, waarmee u MLOps en de bijbehorende concepten sneller onder de knie kunt krijgen. Travis genereert uitleg over het onderwerp en u kunt vervolgvragen stellen. Bovendien kunt u uw eigen onderzoek uitvoeren, aangezien het links biedt naar blogs en tutorials die zijn gepubliceerd door toppublicaties op Medium, Substacks, onafhankelijke blogs, officiële documentatie en boeken.

Abid Ali Awan (@1abidaliawan) is een gecertificeerde datawetenschapper die graag machine learning-modellen bouwt. Momenteel richt hij zich op het creëren van content en het schrijven van technische blogs over machine learning en data science-technologieën. Abid heeft een masterdiploma in technologiemanagement en een bachelordiploma in telecommunicatietechniek. Zijn visie is om een ​​AI-product te bouwen met behulp van een grafisch neuraal netwerk voor studenten die worstelen met een psychische aandoening.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://www.kdnuggets.com/10-github-repositories-to-master-mlops?utm_source=rss&utm_medium=rss&utm_campaign=10-github-repositories-to-master-mlops