MLOps Nedir? Makine Öğrenmesi Sistemleri Nasıl Tasarlanır, Yürütülür, Otomatize Edilir?

Otostopçunun Yapay Zeka Rehberi'nin bubölümünde, DevOps’un yeteneklerini alıp makine öğrenmesi projelerinin canlı ortama kesintisiz ve güvenilir geçişini sağlayan MLOps projelerini, araçlarını, süreçlerini ele alıyoruz. Hem teorik altyapıyı hem de Netflix, Uber, American Express gibi öncü şirketlerin başarı hikâyelerini anlatıyoruz, MLOps’un veri ve model yaşam döngüsüne nasıl etki ettiğini incelemeye çalışıyoruz.

Kaynaklar:

Websitem: https://fbildirici.github.io

• The Phoenix Project by Gene Kim, Kevin Behr & George Spafford: https://itrevolution.com/book/the-phoenix-project/

• Continuous Delivery by Jez Humble & David Farley: https://martinfowler.com/books/continuousDelivery.html

• Hidden Technical Debt in Machine Learning Systems (Sculley et al., 2015

  https://proceedings.neurips.cc/paper_files/paper/2015/file/86df7dcfd896fcaf2674f757a2463eba-Paper.pdf

  MLOPS Uygulamaları Hakkında: https://www.datacamp.com/blog/mlops-best-practices-and-how-to-apply-them

  MLOps Araç Seti Hakkında:

  https://github.com/kelvins/awesome-mlops

  Google Cloud Blog: https://cloud.google.com/architecture/mlops-continuous-delivery-and-automation-pipelines-in-machine-learning

  Uber'in Use Casei: https://www.uber.com/en-TR/blog/continuous-integration-deployment-ml/

  ML Flow Araç Seti ve Yetenekleri:

  https://mlflow.org/docs/latest/index.html