Kapitel 9. MLOps und Continuous Delivery für ML (CD4ML)
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Die Angst ist der Dreh- und Angelpunkt, um den sich alles dreht.
Søren Kierkegaard, Der Begriff der Angst
Es ist 10:36 Uhr. Dana trifft sich mit Ted, einem Infrastruktur-Ingenieur, um das neue Modell einzuführen, an dem ihr Team seit mehreren Monaten gearbeitet hat. Die Energie im Raum mischt sich mit Entschlossenheit und Nervosität - es ist ein neues Modell für eine hochkarätige Veröffentlichung. Sie haben das Modell drei Wochen lang getestet, aber die nächste Hürde - die Überführung in die Produktion - war immer mit Problemen und zahlreichen Wiederholungsversuchen verbunden.
Während sie sich durch das labyrinthische Netz von Deployment-Skripten, Konfigurationsdateien und Infrastrukturkomponenten wühlten, wurde Dana das Gefühl nicht los, dass etwas nicht stimmte. Sie war sich nicht sicher, ob ihr Testdatensatz repräsentativ war für das, was das Modell in der Produktion sehen würde. Hinzu kam, dass die Komplexität des Systems überwältigend war - die schiere Anzahl der beweglichen Teile machte es schwer, ein Gefühl dafür zu bekommen, wo etwas schiefgehen könnte.
Es ist 12:45 Uhr. Dana und Ted haben den letzten Einsatz vor 10 Minuten abgeschlossen, aber der tröpfelnde Strom von Alarmen ist eine grausame Erinnerung daran, dass etwas schief gelaufen ist.
Es ist 19:10 Uhr. Nach stundenlanger Fehlersuche ...
Get Effektive Teams für maschinelles Lernen now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
