Hình ảnh của Tác giả
Việc nắm vững MLOps (Hoạt động học máy) ngày càng trở nên quan trọng hơn đối với những ai muốn triển khai, giám sát và duy trì hiệu quả các mô hình ML của họ trong sản xuất. MLOps là một tập hợp các phương pháp nhằm mục đích hợp nhất việc phát triển hệ thống ML (Dev) và vận hành hệ thống ML (Ops). May mắn thay, cộng đồng nguồn mở đã tạo ra nhiều tài nguyên để hỗ trợ người mới bắt đầu nắm vững các khái niệm và công cụ này.
Dưới đây là mười kho GitHub cần thiết cho bất kỳ ai muốn thành thạo MLOps:
Liên kết GitHub: grafiraja/MLOps-Cơ bản
Đây là kế hoạch học tập kéo dài 9 tuần được thiết kế để giúp bạn nắm vững nhiều khái niệm và công cụ khác nhau liên quan đến Giám sát mô hình, Cấu hình, Lập phiên bản dữ liệu, Đóng gói mô hình, Docker, Hành động GitHub và Đám mây AWS. Bạn sẽ học cách xây dựng một dự án MLOps toàn diện và mỗi tuần sẽ tập trung vào một chủ đề cụ thể để giúp bạn đạt được mục tiêu này.
Liên kết GitHub: microsoft/MLOps
Kho lưu trữ cung cấp các ví dụ và giải pháp toàn diện MLOps. Một tập hợp các ví dụ hiển thị các kịch bản từ đầu đến cuối khác nhau khi vận hành quy trình công việc ML với Azure Machine Learning, được tích hợp với GitHub và các dịch vụ Azure khác như Data Factory và DevOps.
Liên kết GitHub: GokuMohandas/Được làm bằng ML
Nếu bạn đang tìm kiếm các ví dụ và giải pháp toàn diện MLOps, kho lưu trữ này sẽ giúp bạn. Nó chứa một tập hợp các kịch bản đa dạng minh họa cách vận hành quy trình công việc ML bằng Azure Machine Learning. Ngoài ra, nó còn được tích hợp với các dịch vụ Azure khác như Data Factory và DevOps, cũng như GitHub.
Liên kết GitHub: Nhà phát triển Python6/Awesome-MLOPS
Kho lưu trữ chứa các liên kết đến nhiều tài nguyên miễn phí khác nhau có sẵn trực tuyến cho MLOps. Những tài nguyên này bao gồm video YouTube, lộ trình nghề nghiệp, tài khoản LinkedIn để theo dõi, sách, blog, khóa học miễn phí và trả phí, cộng đồng, dự án và công cụ. Bạn có thể tìm thấy hầu hết mọi thứ liên quan đến MLOps ở một nơi, vì vậy thay vì tìm kiếm trực tuyến nhiều thứ khác nhau, bạn chỉ cần truy cập kho lưu trữ và tìm hiểu.
Liên kết GitHub: mlops-guide/mlops-guide.github.io
Kho lưu trữ sẽ đưa bạn đến một trang web tĩnh được lưu trữ trên GitHub để giúp các dự án và công ty xây dựng môi trường MLOps đáng tin cậy hơn. Nó bao gồm các nguyên tắc MLOP, hướng dẫn thực hiện và quy trình làm việc của dự án.
Liên kết GitHub: kelvins/tuyệt vời-mlops
Kho lưu trữ chứa danh sách các công cụ MLOps có thể được sử dụng cho AutoML, CI/CD cho Machine Learning, Giám sát công việc Cron, Danh mục dữ liệu, Làm giàu dữ liệu, Khám phá dữ liệu, Quản lý dữ liệu, Xử lý dữ liệu, Xác thực dữ liệu, Trực quan hóa dữ liệu, Phát hiện sai lệch, Kỹ thuật tính năng, Cửa hàng tính năng, Điều chỉnh siêu tham số, Chia sẻ kiến thức, Nền tảng máy học, Tính công bằng và quyền riêng tư của mô hình, Khả năng diễn giải mô hình, Vòng đời mô hình, Cung cấp mô hình, Kiểm tra và xác thực mô hình, Công cụ tối ưu hóa, Công cụ đơn giản hóa cũng như Phân tích và gỡ lỗi trực quan.
Liên kết GitHub: SkafteNicki/dtu_mlops
Đây là kho lưu trữ của DTU khóa học 02476, bao gồm các bài tập và tài liệu bổ sung cho khóa học vận hành máy học. Khóa học kéo dài ba tuần và bao gồm các chủ đề như thực tiễn phát triển, khả năng tái tạo, tự động hóa, dịch vụ đám mây, triển khai và các chủ đề nâng cao như giám sát và mở rộng quy mô cho các ứng dụng học máy.
Liên kết GitHub: GokuMohandas/mlops-khóa học
Khóa học tập trung vào việc dạy sinh viên cách thiết kế, phát triển, triển khai và lặp lại các ứng dụng ML cấp sản xuất bằng cách sử dụng các phương pháp hay nhất, mở rộng khối lượng công việc ML, tích hợp các thành phần MLOps và tạo quy trình làm việc CI/CD để cải tiến liên tục và triển khai liền mạch.
Liên kết GitHub: DataTalksClub/mlops-zoomcamp
Một trong những khóa học yêu thích của tôi để tìm hiểu khái niệm mới bằng cách xây dựng một dự án. Khóa học MLOps từ DataTalks.Club dạy các khía cạnh thực tế của việc đưa dịch vụ máy học vào sản xuất, từ đào tạo và thử nghiệm đến triển khai và giám sát mô hình. Nó được thiết kế cho các nhà khoa học dữ liệu, kỹ sư ML, kỹ sư phần mềm và kỹ sư dữ liệu quan tâm đến việc tìm hiểu cách vận hành quy trình công việc học máy.
Liên kết GitHub: featurestoreorg/serverless-ml-course
Khóa học này tập trung vào việc phát triển các hệ thống Machine Learning hoàn chỉnh với khả năng serverless. Nó cho phép các nhà phát triển tạo ra các dịch vụ dự đoán mà không yêu cầu chuyên môn về Kubernetes hoặc điện toán đám mây. Họ có thể làm như vậy bằng cách viết chương trình Python và sử dụng các tính năng serverless, quy trình suy luận, kho lưu trữ tính năng và sổ đăng ký mô hình.
Nắm vững MLOps là điều cần thiết để đảm bảo độ tin cậy, khả năng mở rộng và hiệu quả của các dự án machine learning trong sản xuất. Các kho lưu trữ được liệt kê ở trên cung cấp nhiều kiến thức, ví dụ thực tế và các công cụ cần thiết để giúp bạn hiểu và áp dụng các nguyên tắc MLOps một cách hiệu quả. Cho dù bạn là người mới bắt đầu muốn bắt đầu hay là một học viên có kinh nghiệm đang tìm cách nâng cao kiến thức của mình, những tài nguyên này sẽ cung cấp những hiểu biết sâu sắc và hướng dẫn có giá trị trên hành trình thành thạo MLOps của bạn.
Vui lòng kiểm tra nền tảng học tập AI có tên Travis, có thể giúp bạn nắm vững MLOps và các khái niệm của nó nhanh hơn. Travis đưa ra lời giải thích về chủ đề này và bạn có thể đặt các câu hỏi tiếp theo. Hơn nữa, bạn có thể tiến hành nghiên cứu của riêng mình vì nó cung cấp liên kết đến blog và hướng dẫn được xuất bản bởi các ấn phẩm hàng đầu trên Medium, Substacks, blog độc lập, tài liệu chính thức và sách.
Abid Ali Awan (@ 1abidaliawan) là một chuyên gia khoa học dữ liệu được chứng nhận và yêu thích việc xây dựng các mô hình học máy. Hiện tại, anh đang tập trung vào việc sáng tạo nội dung và viết blog kỹ thuật về công nghệ máy học và khoa học dữ liệu. Abid có bằng Thạc sĩ về quản lý công nghệ và bằng cử nhân về kỹ thuật viễn thông. Tầm nhìn của anh là xây dựng một sản phẩm AI sử dụng mạng lưới thần kinh đồ thị dành cho những học sinh đang vật lộn với bệnh tâm thần.
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
- PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
- Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
- PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
- nguồn: https://www.kdnuggets.com/10-github-repositories-to-master-mlops?utm_source=rss&utm_medium=rss&utm_campaign=10-github-repositories-to-master-mlops
