Yazara göre resim
 

Üretimde ML modellerini etkili bir şekilde dağıtmak, izlemek ve sürdürmek isteyenler için MLOps'ta (Makine Öğrenimi Operasyonları) uzmanlaşmak daha önemli hale geliyor. MLOps, ML sistem geliştirmeyi (Dev) ve ML sistem operasyonunu (Ops) birleştirmeyi amaçlayan bir dizi uygulamadır. Neyse ki açık kaynak topluluğu, yeni başlayanların bu kavram ve araçlarda uzmanlaşmasına yardımcı olacak çok sayıda kaynak oluşturdu.

MLOps'ta uzmanlaşmak isteyen herkes için gerekli olan on GitHub deposu şunlardır:

GitHub Bağlantısı: graviraja/MLOps-Temelleri

Model İzleme, Yapılandırmalar, Veri Sürümü Oluşturma, Model Paketleme, Docker, GitHub Eylemleri ve AWS Cloud ile ilgili çeşitli kavram ve araçlarda uzmanlaşmanıza yardımcı olmak için tasarlanmış 9 haftalık bir çalışma planıdır. Uçtan uca bir MLOps projesinin nasıl oluşturulacağını öğreneceksiniz ve her hafta, bu hedefe ulaşmanıza yardımcı olacak belirli bir konuya odaklanacaksınız.

GitHub Bağlantısı: Microsoft/MLOps

Depo, MLOps'un uçtan uca örneklerini ve çözümlerini sağlar. GitHub ve Data Factory ve DevOps gibi diğer Azure hizmetleriyle entegre olan, Azure Machine Learning ile ML iş akışlarını çalıştıran farklı uçtan uca senaryoları gösteren bir örnek koleksiyonu.

GitHub Bağlantısı: GokuMohandas/Made-With-ML

MLOps'un uçtan uca örnekleri ve çözümlerini arıyorsanız bu depo ihtiyacınızı karşılayacaktır. Azure Machine Learning kullanılarak ML iş akışlarının nasıl operasyonel hale getirileceğini gösteren çeşitli senaryolar içerir. Ayrıca Data Factory ve DevOps gibi diğer Azure hizmetlerinin yanı sıra GitHub ile de entegredir.

GitHub Bağlantısı: Pythondeveloper6/Awesome-MLOPS

Depo, MLOps için çevrimiçi olarak kullanılabilen çeşitli ücretsiz kaynaklara bağlantılar içerir. Bu kaynaklar arasında YouTube videoları, kariyer yol haritaları, takip edilecek LinkedIn hesapları, kitaplar, bloglar, ücretsiz ve ücretli kurslar, topluluklar, projeler ve araçlar yer alır. MLOps ile ilgili hemen hemen her şeyi tek bir yerde bulabilirsiniz, bu nedenle çeşitli şeyleri çevrimiçi olarak aramak yerine sadece depoyu ziyaret edip öğrenebilirsiniz.

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

Depo sizi GitHub'da barındırılan ve projelerin ve şirketlerin daha güvenilir bir MLOps ortamı oluşturmasına yardımcı olacak statik bir siteye götürecektir. MLOP'ların ilkelerini, uygulama kılavuzlarını ve proje iş akışını kapsar. 

GitHub Bağlantısı: kelvin/harika-mlop

Depo, AutoML, Makine Öğrenimi için CI/CD, Cron İş İzleme, Veri Kataloğu, Veri Zenginleştirme, Veri Araştırma, Veri Yönetimi, Veri İşleme, Veri Doğrulama, Veri Görselleştirme, Sapma Algılama için kullanılabilecek MLOps araçlarının bir listesini içerir. Özellik Mühendisliği, Özellik Deposu, Hiperparametre Ayarlama, Bilgi Paylaşımı, Makine Öğrenimi Platformu, Model Adaleti ve Gizliliği, Model Yorumlanabilirliği, Model Yaşam Döngüsü, Model Sunumu, Model Testi ve Doğrulaması, Optimizasyon Araçları, Basitleştirme Araçları ve Görsel Analiz ve Hata Ayıklama.

GitHub Bağlantısı: SkafteNicki/dtu_mlops

Bu DTU'nun deposudur kurs 02476Makine öğrenimi işlemleri kursuna yönelik alıştırmalar ve ek materyaller içerir. Kurs üç haftayı kapsıyor ve geliştirme uygulamaları, tekrarlanabilirlik, otomasyon, bulut hizmetleri, dağıtım gibi konuların yanı sıra makine öğrenimi uygulamaları için izleme ve ölçeklendirme gibi ileri konuları kapsıyor. 

GitHub Bağlantısı: GokuMohandas/mlops-kursu

Kurs, öğrencilere en iyi uygulamaları kullanarak üretim düzeyinde ML uygulamalarının nasıl tasarlanacağını, geliştirileceğini, dağıtılacağını ve yineleneceğini, ML iş yüklerini ölçeklendirmeyi, MLOps bileşenlerini entegre etmeyi ve sürekli iyileştirme ve kusursuz dağıtım için CI/CD iş akışları oluşturmayı öğretmeye odaklanır.

GitHub Bağlantısı: DataTalksClub/mlops-zoomcamp

Bir proje oluşturarak yeni bir kavram öğrenmek için en sevdiğim kurslardan biri. DataTalks.Club'un MLOps kursu, eğitim ve deneyden model dağıtımı ve izlemeye kadar makine öğrenimi hizmetlerini üretime geçirmenin pratik yönlerini öğretir. Makine öğrenimi iş akışlarının nasıl operasyonel hale getirileceğini öğrenmekle ilgilenen veri bilimcileri, makine öğrenimi mühendisleri, yazılım mühendisleri ve veri mühendisleri için tasarlanmıştır.

GitHub Bağlantısı: featurestoreorg/sunucusuz-ml-kursu

Bu kurs, sunucusuz özelliklere sahip eksiksiz Makine Öğrenimi sistemleri geliştirmeye odaklanmaktadır. Geliştiricilerin Kubernetes veya bulut bilişim konusunda uzmanlık gerektirmeden tahmine dayalı hizmetler oluşturmasına olanak tanır. Bunu Python programları yazarak ve sunucusuz özellikler, çıkarım hatları, özellik depoları ve model kayıtları kullanarak yapabilirler. 

Üretimdeki makine öğrenimi projelerinin güvenilirliğini, ölçeklenebilirliğini ve verimliliğini sağlamak için MLOps'ta uzmanlaşmak önemlidir. Yukarıda listelenen veri havuzları, MLOps ilkelerini etkili bir şekilde anlamanıza ve uygulamanıza yardımcı olacak zengin bilgi birikimi, pratik örnekler ve temel araçlar sunar. İster yeni başlayan biri olun ister bilginizi derinleştirmek isteyen deneyimli bir uygulayıcı olun, bu kaynaklar MLOps'ta uzmanlaşma yolculuğunuzda değerli bilgiler ve rehberlik sağlar.

Lütfen adlı yapay zeka öğrenme platformuna göz atın. TravisMLOps ve kavramlarına daha hızlı hakim olmanıza yardımcı olabilir. Travis konu hakkında açıklamalar yapar ve siz de devam soruları sorabilirsiniz. Üstelik Medium, Substacks'taki en iyi yayınlar tarafından yayınlanan bloglara ve eğitimlere, bağımsız bloglara, resmi belgelere ve kitaplara bağlantılar sağladığından kendi araştırmanızı yapabilirsiniz.

Abid Ali Avan (@1abidaliwan), makine öğrenimi modelleri oluşturmayı seven, sertifikalı bir veri bilimcisi uzmanıdır. Şu anda içerik oluşturmaya ve makine öğrenimi ve veri bilimi teknolojileri üzerine teknik bloglar yazmaya odaklanıyor. Abid, teknoloji yönetimi alanında yüksek lisans ve telekomünikasyon mühendisliği alanında lisans derecesine sahiptir. Vizyonu, akıl hastalıklarıyla mücadele eden öğrenciler için grafik sinir ağı kullanan bir yapay zeka ürünü oluşturmaktır.

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://www.kdnuggets.com/10-github-repositories-to-master-mlops?utm_source=rss&utm_medium=rss&utm_campaign=10-github-repositories-to-master-mlops