Ekip Veri Bilimi Süreci yaşam döngüsünün dağıtım aşaması

  • Makale

Bu makalede, Team Veri Bilimi Process (TDSP) dağıtımıyla ilişkili hedefler, görevler ve teslim edilebilir öğeler özetlenmiştir. Bu işlem, ekibinizin veri bilimi projelerinizi yapılandırmak için kullanabileceği önerilen bir yaşam döngüsü sağlar. Yaşam döngüsü, ekibinizin genellikle yinelemeli olarak gerçekleştirdiği ana aşamaları özetler:

  • İş anlayışı
  • Veri edinme ve anlama
  • Modelleme
  • Dağıtım
  • Müşteri kabulü

TDSP yaşam döngüsünün görsel bir gösterimi aşağıdadır:

Diagram that shows the stages of the TDSP lifecycle.

Goal

Dağıtım aşamasının amacı, veri işlem hattına sahip modelleri son müşteri kabulü için üretim veya üretim benzeri bir ortama dağıtmaktır.

Görevi tamamlama

Bu aşamanın temel görevi modeli kullanıma hazır hale getirmektir. Modeli ve işlem hattını uygulama tüketimi için üretim veya üretim benzeri bir ortama dağıtın.

Bir modeli kullanıma hazır hale getirme

İyi performans gösteren bir model kümeniz olduktan sonra, ekibiniz bunları diğer uygulamaların kullanması için kullanıma hazır hale getirebilir. İş gereksinimlerine bağlı olarak, tahminler gerçek zamanlı olarak veya toplu olarak yapılır. Modelleri dağıtmak için bunları bir API arabirimiyle kullanıma sunarsınız. Bir arabirimle, kullanıcılar modeli aşağıdakiler gibi çeşitli uygulamalardan kolayca kullanabilir:

  • Web siteleri
  • Elektronik tablolar
  • Panolar
  • İş kolu uygulamaları
  • Arka uç uygulamaları

Azure Machine Learning ile model kullanıma hazır hale getirme örnekleri için bkz . Makine öğrenmesi modellerini Azure'a dağıtma. Üretim modeline ve dağıttığınız veri işlem hattına izleme oluşturmak en iyi yöntemdir. Bu uygulama, sonraki sistem durumu raporlama ve sorun giderme işlemlerine yardımcı olur.

MLflow ile tümleştirme

Bu aşamayı desteklemeye yardımcı olmak için aşağıdaki Azure Machine Learning özelliklerini birleştirebilirsiniz:

  • Model yönetimi: Bir dağıtımı hazırlamak için bir modeli üretim ortamına veya işletim ortamına yerleştirirsiniz. MLflow, kullanıma hazır modelleri yönetir ve sürümler. Bu, kullanıma hazır hale getirmenin geliştirilmesine yardımcı olur.

  • Model sunma ve dağıtma: MLflow'un model sunma işlevleri, çeşitli ortamlardaki modellere kolayca hizmet edebilmeniz için dağıtım sürecini kolaylaştırır.

Artifacts

Bu aşamada ekibiniz şunları sunar:

  • Sistem durumu ve önemli ölçümleri görüntüleyen bir durum panosu . Pano oluşturmak için Power BI kullanmanızı öneririz.

  • Dağıtım ayrıntılarını içeren son modelleme raporu .

  • Son çözüm mimarisi belgesi.

Hakemli literatür

Araştırmacılar, TDSP hakkında hakemli literatürde çalışmalar yayımlar. Alıntılar , dağıtım yaşam döngüsü aşaması da dahil olmak üzere TDSP'ye yönelik diğer uygulamaları veya benzer fikirleri araştırma fırsatı sunar.

Katkıda Bulunanlar

Bu makale Microsoft tarafından yönetilir. Başlangıçta aşağıdaki katkıda bulunanlar tarafından yazılmıştır.

Asıl yazar:

Genel olmayan LinkedIn profillerini görmek için LinkedIn'de oturum açın.

Bu makalelerde TDSP yaşam döngüsünün diğer aşamaları açıklanmaktadır: