发布时间 : 2022-08-12 阅读量 : 203
8月4日,magic data 与 aws 亚马逊云科技 共同举办 “如何通过 mlops 解放和提升ai生产力?” 线上直播活动,对 mlops 进行深入解读与分享,吸引到众多对机器学习及 mlops 感兴趣的从业者。
「由单一机器学习任务向 mlops 演进」
aws亚马逊云科技资深布道师 黄浩文
aws 亚马逊云科技资深布道师 黄浩文 以「由单一机器学习任务向mlops演进」为题进行分享。伴随着产业智能化的发展趋势,ai 正成为诸多行业转型升级的通用技术。对于开发者而言,开发时间与开发成本是搭建ai应用程序的主要考虑指标。
黄浩文从 mlops 和 devops 的差异切入,并对 mlops 工作流进行概述。借助 mlops,可以让团队的开发与部署效率得到显著提升。mlops 从 devops中延续的持续开发 (cd)、持续集成 (ci)、持续训练 (ct) 等方法和工具,来保障ai工作流程和模型的可重复性,开发者可轻松部署机器学习模型并集成管理监测机器学习资源。此外,黄浩文在深入的对典型模型开发周期 (mdlc) 和人员角色进行分析的同时,也对目前主流 mlops 实现架构展开分析和探讨。
「浅谈以数据为中心的人工智能」
magic data 创始人兼ceo张晴晴
magic data 创始人兼ceo 张晴晴 以「浅谈以数据为中心的人工智能」为题进行分享。目前ml领域中,面临最大的挑战之一是数据质量无法满足算法需求。开发者在数据准备的阶段,通过使用高质量数据,才能够让数据在模型中进行有效的迭代,在生产中不断的验证,并以稳健的方式部署和管理。
张晴晴从数据的角度切入,首先对“以数据为中心的 ai (data-centric ai)”进行解读,通过data-centric mlops让数据采集、清洗、标注、质检验收等环节在整个ml部署的生命周期中,打破数据、算法、场景之间的壁垒,有效助力ml实现流程自动化。此外,分享了在汽车行业mlops 应用实践的相关案例,通过data-centric mlops 降低机器学习技术门槛,帮助业务快速实现智能化。
更多直播内容精彩回放: