概述

目的

教授生产 ML 服务的实际方面 — 从收集需求到模型部署和监控。

目标受众

数据科学家和 ML 工程师。软件工程师和数据工程师也有兴趣了解如何将ML投入生产。

先决条件

• 蟒
• docker
• 熟悉命令行
• 之前接触过机器学习（在工作或其他课程中，例如从ML Zoomcamp)
• 以前的编程经验（至少1年以上）

时间线

开课时间：5月16日

教学大纲

这是一个草案，将会改变。

模块 1： 简介

• 什么是 MLOps
• MLOps 成熟度模型
• 运行示例：纽约出租车行程数据集
• 为什么我们需要 MLOps
• 课程概述
• 环境准备
• 作业

更多详情

模块 2： 实验跟踪

• 实验跟踪简介
• MLflow 入门
• 使用 MLflow 进行实验跟踪
• 使用 MLflow 保存和加载模型
• 模型注册表
• MLflow在实践中
• 作业

模块 3： 编排和 ML 管道

• ML 管道：简介
• 完善
• 将笔记本转换为管道
• Kubeflow Pipelines
• 作业

模块 4： 模型部署

• 批处理与在线
• 对于在线：Web 服务与流媒体
• 以批处理模式提供模型
• 网络服务
• Streaming （Kinesis/SQS + AWS Lambda）
• 作业

模块 5： 模型监控

• ML 监控与软件监控
• 数据质量监控
• 数据漂移/概念漂移
• 批量监控与实时监控
• 工具：显然，普罗米修斯和格拉法娜
• 作业

模块 6： 最佳实践

• 开发运营
• 虚拟环境和 Docker
• Python：日志记录，linting
• 测试：单元、集成、回归
• CI/CD （github actions）
• 基础设施即代码（地球化、云化）
• 饼干切割机
• 生成文件
• 作业

模块 7： 流程

• CRISP-DM， CRISP-ML
• ML Canvas
• 数据横向画布
• MLOps Stack Canvas
• ML 项目中的文档实践（模型卡工具包）

项目

• 具有上述所有内容的端到端项目

运行示例

为了更轻松地将不同的模块连接在一起，我们希望在整个课程中使用相同的运行示例。

可能的候选人：

• https://www1.nyc.gov/site/tlc/about/tlc-trip-record-data.page - 预测骑行持续时间或驾驶员是否会被小费

教师

• 拉里萨·维森格列耶娃
• 克里斯蒂安·马丁内斯
• 科凯文
• 西奥菲洛斯·帕帕纳吉奥图
• 阿列克谢·格里戈列夫
• 埃梅利德拉尔
• 塞贾尔·瓦伊迪亚

DataTalks.Club 的其他课程：

• 机器学习 Zoomcamp - 为期 4 个月的免费 ML 工程课程
• 数据工程 Zoomcamp - 关于数据工程的 9 周免费课程

常见问题

我想开始为课程做准备。我该怎么办？

如果你尚未使用 Flask 或 Docker

• 检查模块 5 表单 ML Zoomcamp
• 来自Data Engineering Zoomcamp的关于Docker的部分也可能很有用

如果你以前没有使用 ML 的经验

• 查看 ML Zoomcamp 中的模块 1 以获取概述
• 如果你想学习Scikit-Learn，模块3也将有所帮助（我们将在本课程中使用它）
• 我们还将使用 XGBoost。你不必很好地了解它，但是如果你想了解更多信息，请参阅ML Zoomcamp的模块6

我已注册，但尚未收到邀请链接。这正常吗？

是的，我们还没有自动化它。你最终会收到我们的邮件，别担心。

如果你想确保你不会错过任何东西：

• 在我们的 Slack 中注册并加入频道

  #course-mlops-zoomcamp

• 订阅我们的 YouTube 频道

它会直播吗？

否，是的。将有两个部分：

• 讲座：预先录制，你可以在方便的时候观看。
• 办公时间：每周一（欧洲中部时间17：00）直播，但录制，因此你可以稍后观看。

合作 伙伴

感谢我们的朋友传播有关课程的信息