Mail.ru Cloud Solutions
Продукты
Назад к списку мероприятий

MLflow в облаке. Простой и быстрый способ вывести ML-модели в продакшен

Дата

23 марта 2021, 18:00

Место проведения

Онлайн

Длительность

1 час

Статус

Завершено

Трансляция

О мероприятии

MLflow — один из самых стабильных и легких современных инструментов, позволяющих специалистам по Data Science управлять жизненным циклом моделей машинного обучения на всем его протяжении.
Это удобный инструмент с простым пользовательским интерфейсом для просмотра экспериментов и мощными средствами упаковки моделей, управления ими и их развертыванием. Он позволяет работать практически с любой библиотекой машинного обучения.
 
На вебинаре мы прошли все этапы установки и настройки MLflow в максимально близком к production варианте, а также показали, как реализовать использование облачных сервисов в качестве различных backend-сервисов MLflow.
 
Данный вебинар продолжает нашу серию про MLOps. Ранее мы рассматривали проект Kubeflow. В сравнении с ним MLflow — более стабильный, production-ready инструмент. За счет того, что MLflow не использует Kubernetes, он более прост в работе, но в целом хуже масштабируется и не так хорошо интегрируется с K8s. В MLflow меньше функций: в частности, в отличие от KubeFlow в него не встроен JupyterHub, поэтому на вебинаре мы развернули его отдельно.

В программе

Александр Волынский
Александр Волынский PaaS-архитектор платформы Mail.ru Cloud Solutions
— Установим MLflow tracking server на выделенной VM;
— Подключим S3 в качестве artifact storage;
— Подключим DBaaS в роли backend entity storage;
— Развернем JupyterHub на выделенной VM;
— Обучим тестовую ML-модель и продемонстрируем на примере данной модели основы работы с компонентами MLflow: Tracking и Registry;
— Опубликуем обученную модель и сделаем её доступной для запросов по REST API;
— Соберем Docker-образ с ML-моделью, используя возможности MLflow для публикации модели в дальнейшем в Kubernetes.