Изображение по автору
 

Овладение MLOps (операциями машинного обучения) становится все более важным для тех, кто хочет эффективно развертывать, отслеживать и поддерживать свои модели ML в производстве. MLOps — это набор практик, целью которых является объединение разработки системы ML (Dev) и эксплуатации системы ML (Ops). К счастью, сообщество открытого исходного кода создало множество ресурсов, которые помогут новичкам освоить эти концепции и инструменты.

Вот десять репозиториев GitHub, которые необходимы всем, кто хочет освоить MLOps:

Ссылка на гитхаб: graviraja/MLOps-Основы

Это 9-недельный план обучения, призванный помочь вам освоить различные концепции и инструменты, связанные с мониторингом моделей, конфигурациями, управлением версиями данных, упаковкой моделей, Docker, действиями GitHub и облаком AWS. Вы узнаете, как создать комплексный проект MLOps, и каждую неделю будете уделять внимание определенной теме, которая поможет вам достичь этой цели.

Ссылка на гитхаб: Microsoft/MLOps

В репозитории представлены комплексные примеры и решения MLOps. Коллекция примеров, демонстрирующих различные комплексные сценарии реализации рабочих процессов машинного обучения с помощью машинного обучения Azure, интегрированных с GitHub и другими службами Azure, такими как Data Factory и DevOps.

Ссылка на гитхаб: ГокуМохандас/Сделано с ML

Если вы ищете комплексные примеры и решения MLOps, этот репозиторий поможет вам. Он содержит разнообразную коллекцию сценариев, демонстрирующих, как реализовать рабочие процессы машинного обучения с помощью машинного обучения Azure. Кроме того, он интегрирован с другими службами Azure, такими как Data Factory и DevOps, а также с GitHub.

Ссылка на гитхаб: Pythondeveloper6/Awesome-MLOPS

Репозиторий содержит ссылки на различные бесплатные ресурсы, доступные в Интернете для MLOps. Эти ресурсы включают в себя видеоролики YouTube, планы карьерного роста, учетные записи LinkedIn, книги, блоги, бесплатные и платные курсы, сообщества, проекты и инструменты. Вы можете найти практически всё, что связано с MLOps, в одном месте, поэтому вместо того, чтобы искать разные вещи в Интернете, вы можете просто зайти в репозиторий и поучиться.

Ссылка на гитхаб: mlops-guide/mlops-guide.github.io

Репозиторий перенаправит вас на статический сайт, размещенный на GitHub, который поможет проектам и компаниям создать более надежную среду MLOps. Он охватывает принципы MLOP, руководства по реализации и рабочий процесс проекта. 

Ссылка на гитхаб: Кельвины/круто-млопс

Репозиторий содержит список инструментов MLOps, которые можно использовать для AutoML, CI/CD для машинного обучения, мониторинга заданий Cron, каталога данных, обогащения данных, исследования данных, управления данными, обработки данных, проверки данных, визуализации данных, обнаружения дрейфа, Разработка функций, хранилище функций, настройка гиперпараметров, обмен знаниями, платформа машинного обучения, справедливость и конфиденциальность модели, интерпретируемость модели, жизненный цикл модели, обслуживание модели, тестирование и проверка модели, инструменты оптимизации, инструменты упрощения, а также визуальный анализ и отладка.

Ссылка на гитхаб: SkafteNicki/dtu_mlops

Это репозиторий для DTU курс 02476, который включает упражнения и дополнительные материалы для курса по машинному обучению. Курс длится три недели и охватывает такие темы, как методы разработки, воспроизводимость, автоматизация, облачные сервисы, развертывание, а также сложные темы, такие как мониторинг и масштабирование приложений машинного обучения. 

Ссылка на гитхаб: GokuMohandas/mlops-курс

Курс направлен на обучение студентов проектированию, разработке, развертыванию и итерации приложений машинного обучения промышленного уровня с использованием лучших практик, масштабированию рабочих нагрузок машинного обучения, интеграции компонентов MLOps и созданию рабочих процессов CI/CD для постоянного улучшения и плавного развертывания.

Ссылка на гитхаб: DataTalksClub/mlops-zoomcamp

Один из моих любимых курсов по изучению новой концепции путем создания проекта. Курс MLOps от DataTalks.Club обучает практическим аспектам внедрения сервисов машинного обучения в производство, от обучения и экспериментирования до развертывания моделей и мониторинга. Он предназначен для специалистов по данным, инженеров ML, инженеров-программистов и инженеров по обработке данных, которые заинтересованы в том, чтобы научиться реализовывать рабочие процессы машинного обучения.

Ссылка на гитхаб: Featurestoreorg/serverless-ml-курс

Этот курс посвящен разработке полных систем машинного обучения с бессерверными возможностями. Это позволяет разработчикам создавать прогнозные сервисы, не требуя знаний в Kubernetes или облачных вычислениях. Они могут сделать это, написав программы на Python и используя бессерверные функции, конвейеры вывода, хранилища функций и реестры моделей. 

Освоение MLOps необходимо для обеспечения надежности, масштабируемости и эффективности проектов машинного обучения в производстве. Перечисленные выше репозитории предлагают множество знаний, практических примеров и необходимых инструментов, которые помогут вам понять и эффективно применять принципы MLOps. Независимо от того, являетесь ли вы новичком, желающим начать работу, или опытным практиком, стремящимся углубить свои знания, эти ресурсы предоставят ценную информацию и рекомендации на пути к освоению MLOps.

Пожалуйста, ознакомьтесь с платформой обучения искусственному интеллекту под названием Трэвис, который поможет вам быстрее освоить MLOps и его концепции. Трэвис генерирует объяснения по теме, и вы можете задавать дополнительные вопросы. Более того, вы можете провести собственное исследование, поскольку оно предоставляет ссылки на блоги и учебные пособия, опубликованные ведущими изданиями на Medium, Substacks, независимыми блогами, официальной документацией и книгами.

Абид Али Аван (@ 1abidaliawan) — сертифицированный специалист по обработке данных, который любит создавать модели машинного обучения. В настоящее время он занимается созданием контента и ведением технических блогов по машинному обучению и технологиям обработки данных. Абид имеет степень магистра в области управления технологиями и степень бакалавра в области телекоммуникационной инженерии. Его видение состоит в том, чтобы создать продукт искусственного интеллекта с использованием графовой нейронной сети для студентов, страдающих психическими заболеваниями.

• SEO-контент и PR-распределение. Получите усиление сегодня.
• PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
• ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
• ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
• ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
• Источник: https://www.kdnuggets.com/10-github-repositories-to-master-mlops?utm_source=rss&utm_medium=rss&utm_campaign=10-github-repositories-to-master-mlops