第 7 章 AWS 的 MLOps
本作品已使用人工智能进行翻译。欢迎您提供反馈和意见:translation-feedback@oreilly.com
,每个人都怕他[阿博特医生(因为他对每个人都大喊大叫)]。我担任主治医生时,新来了一位名叫哈里斯的住院医生。哈里斯仍然很怕他(阿博特医生),尽管他是住院总医师,而且已经在那里工作了 5 年。后来[阿博特医生]心脏病发作,心脏停止跳动。护士喊道:"快,他刚刚心跳停止,快进来!"于是哈里斯就进去了......靠在胸骨上,肋骨什么的都断了。哈里斯开始给阿博特打气 他醒了过来他醒了他抬头看着哈里斯说 "你 给我住手"于是哈里斯停手了这就是关于阿伯特的最后一个故事
约瑟夫-博根博士
学生们最常问我的一个问题是:"我该选哪个云?" 我告诉他们安全的选择是亚马逊。它拥有最广泛的技术选择和最大的市场份额。一旦你掌握了 AWS 云,就更容易掌握其他云产品,因为它们也假定你可能了解 AWS。 本章涵盖 MLOps 的 AWS 基础,并探讨实用的 MLOps 模式。
我与 AWS 有着悠久而丰富的合作历史。在我作为首席技术官兼总经理运营的一家体育社交 Network+ 中,AWS 是使我们能够在全球范围内扩展到数百万用户的秘诀。在过去几年中,我还作为 SME(主题专家)从零开始从事 AWS 机器学习认证工作。我曾被评为AWS ML 英雄,也是AWS 院系云大使计划的一员,并在加州大学戴维斯分校、西北大学、杜克大学和田纳西大学教授过数千名学生的云认证课程。 因此可以说,我是 AWS 的粉丝!
由于 AWS 平台规模庞大,我们不可能涵盖 MLOps 的方方面面。如果您想更详尽地了解所有可用的 AWS 平台选项,也可以查看 Chris Fregly 和 Antje Barth 合著的《AWS 上的数据科学》(O'Reilly),我是该书的技术编辑之一。
相反,本章重点介绍 AWS Lambda 和 AWS App Runner 等更高级别的服务。 AWS SageMaker 等更复杂的系统将在本书和之前提到的书的其他章节中介绍。接下来,让我们开始构建 AWS MLOps 解决方案。
AWS 简介
AWS 是云计算领域的领导者,原因有几个,包括起步早和企业文化。2005 年和 2006 年,亚马逊推出了亚马逊网络服务,包括 MTurk(Mechanical Turk)、亚马逊 S3、亚马逊 EC2 和亚马逊 SQS。
时至今日,这些核心产品不仅依然存在,而且每季度、每年都在不断改进。AWS 不断改进产品的原因在于其企业文化。他们说,在亚马逊,"第一天 "永远是 "第一天",这意味着 "第一天 "同样的活力和热情应该每天都在发生。他们还将客户放在 "一切工作的核心"。我曾利用这些构件构建了可扩展到数千个节点的系统,用于执行机器学习、计算机视觉和人工智能任务。图 7-1是工作中的 AWS Cloud 技术架构的实际白板图,显示在旧金山市中心的一个协同办公地点。
图 7-1. 白板上的 AWS 云架构
这类文化与在云计算领域苦苦挣扎的谷歌截然不同。 谷歌文化以研究为导向,大量聘用学术人员。这种文化带来的好处就是像 Kubernetes 和 TensorFlow 这样的开源项目。 这两个项目都是复杂的工程奇迹。其弊端在于,在这种文化中,客户并不是第一位的,这也损害了谷歌在云计算市场的份额。 ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access