Zuverlässiges maschinelles Lernen

Kapitel 15. Fallstudien: MLOps in der Praxis

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

In diesem Buch werden die Grundsätze und bewährten Methoden für MLOps dargelegt, und wir haben unser Bestes getan, um Beispiele zu liefern. Aber es geht nichts über die Geschichten von Leuten, die in der Praxis arbeiten, um zu sehen, wie diese Prinzipien in der realen Welt umgesetzt werden.

Dieses Kapitel enthält eine Reihe von Fallstudien von verschiedenen Gruppen von Praktiker/innen, die jeweils ein bestimmtes Problem, eine Herausforderung oder eine Krise beschreiben, die sie aus der Perspektive von MLOps durchlebt haben. Jede Geschichte wurde von den Praktikern selbst verfasst, so dass wir in ihren eigenen Worten hören können, was sie durchgemacht haben. Wir können sehen, womit sie konfrontiert waren, wie sie damit umgegangen sind, was sie gelernt haben und was sie beim nächsten Mal anders machen würden. Es ist in der Tat erstaunlich zu sehen, wie Dinge, die so trügerisch einfach sind wie Lasttests oder die scheinbar nichts miteinander zu tun haben, wie ein Update für eine völlig andere mobile App, denjenigen Kopfzerbrechen bereiten können, die für die tägliche Pflege von ML-Modellen und -Systemen verantwortlich sind. (Beachte, dass einige Details beschönigt oder weggelassen wurden, um Geschäftsgeheimnisse zu schützen).

1. Berücksichtigung von Datenschutz- und Datenspeicherungsrichtlinien in ML-Pipelines ...