Canonical makine öğrenimi (ML) modellerine yönelik özellik mühendisliği, eğitim ve yayın iş akışlarının tüm yaşam döngüsünü otomatikleştirmek için MLOps platformunun sınırlarını zorluyor.
Kanonik Veri Platformu ekibi Salı günü MLOps platformu Charmed Kubeflow 1.4’ün piyasaya sürüldüğünü duyurdu. Yeni ücretsiz sürüm, veri bilimi ekiplerinin konseptten üretime kadar herhangi bir bulutta AI/ML inovasyonu üzerinde güvenli bir şekilde işbirliği yapmasına olanak tanır.
Charmed Kubeflow, Apache License 2.0 altında yayınlanan açık kaynaklı bir MLOps platformudur. Platform, veri bilimcilerin fikir aşamasından üretime kadar olan iş akışını otomatikleştirmesine yardımcı olur.
Bu son sürüm, önceki sürümlere göre birçok iyileştirme içeren yukarı akış Kubeflow 1.4’ü içerir. Artık MLFlow entegrasyonu için destek içerir.
Charmed Kubeflow, kısıtlamalar, ödeme duvarı veya kısıtlanmış özellikler olmadan herhangi bir ortama dağıtılır. Veri laboratuvarları ve MLOps ekiplerinin, herhangi bir bulutta veya şirket içi kurulumda tutarlı ve verimli bir şekilde çalışmaları için veri bilimcilerini ve mühendislerini yalnızca bir kez eğitmesi gerekir.
Platformun ana avantajı, merkezileştirilmiş, tarayıcı tabanlı bir sistemdir ve herhangi bir uyumlu Kubernetes. Diğer avantajlar arasında gelişmiş üretkenlik, iyileştirilmiş yönetişim ve gölge BT ile ilişkili risklerin azalması yer alır.
En son sürüm, gelişmiş model yaşam döngüsü yönetimi için yukarı akış Kubeflow 1.4 dahil olmak üzere çeşitli özellikler ekler. Canonical ürün müdürü Rob Gibbon’a göre, gelecekteki sürümler veri bilimcileri ve veri mühendislerini güçlendirmeye odaklanmaya devam edecek.
“Ürünün odak noktalarından biri, bir bileşen ekosistemi yoluyla birleştirilebilirlik ve genişletilebilirliktir” dedi. LinuxInsider.
“Ayrıca, veri bilimcilerin en son özelliklere tam destekli bir şekilde erişmeye devam etmesini sağlamak için kurumsal çözüm hazırlığını sürekli olarak iyileştireceğiz ve elbette yukarı akış Kubeflow’u takip edeceğiz” dedi.{ 4}
Başlarken
Kubeflow artık kullanılabilir. Veri bilimcileri, hem sanal makinelerde hem de Kubernetes’te çalışan uygulamaların hiper otomatik yönetimi için birleşik operatör çerçevesi olan Juju’yu kullanmaya başlayabilir.
Yeni sürüm, şu anda CharmHub kararlı kanalında. Tek bir Juju komutu kullanılarak uyumlu herhangi bir Kubernetes kümesine dağıtılabilir:
juju deploy kubeflow
Tam kurulum kılavuzu burada ücretsiz olarak mevcuttur. Yazılım, 7/24 destek veya Canonical’dan sağlanan tam olarak yönetilen hizmet seçenekleriyle açık kaynaktır.
Mühendisler ve veri bilimcileri, MicroK8’leri çalıştıran yalnızca tek bir sistem kullanarak GPU hızlandırmalı veya hızlandırmasız bir değerlendirme ortamını hızla kurabilirler. Değerlendiriciler başlangıç kılavuzunu okuyabilir. AI otomasyonunu iyileştirmeye başlamak 30 dakikadan az sürer.
Gelişmiş Seçenekler
Bu sürüm, Kubeflow 1.4 ve MLFlow entegrasyonu ile daha iyi model yaşam döngüsü yönetimi sağlar. Kubeflow 1.4, birleşik bir eğitim operatörü de dahil olmak üzere önceki sürümlere göre önemli kullanılabilirlik iyileştirmeleri ile birlikte gelir.
Yeni eğitim operatörü, popüler AI/ML çerçeveleri TensorFlow, MXNet, XGBoost ve PyTorch’u destekler. Bu, çözümü büyük ölçüde basitleştirir, gelecekteki genişletilebilirliği iyileştirir ve Kubernetes kümesinde daha az kaynak tüketir.
Kubeflow 1.4, MLFlow entegrasyonunu destekleyerek MLFlow metriklerini ve MLFlow model kaydını kullanarak gerçek otomatikleştirilmiş model yaşam döngüsü yönetimini etkinleştirir.
MLFlow, AI/ML modeli yaşam döngüsü yönetimi için açık kaynaklı bir platformdur. Deneme, tekrar üretilebilirlik ve konuşlandırma için özellikler içerir. MLFlow ayrıca merkezi bir model kaydı sunar.
Entegrasyonu Kullanma
Veri bilimcileri ve veri mühendisleri, otomatik model sapma algılaması oluşturmak ve bir Kubeflow modeli yeniden eğitim ardışık düzenini tetiklemek için MLFlow entegrasyon özelliğini kullanabilir.
Canlı tahmin veri kümesine karşı eğitim veri kümesindeki değişiklikler nedeniyle model doğruluğu zaman içinde düşmeye başladığında model kayması meydana gelir.
MLFlow’u bir Kubernetes kümesinde etkinleştirme ve Juju kullanarak Charmed Kubeflow dağıtımıyla entegre etme birleşik operatör çerçevesi basittir ve MLFlow Juju operatörü, anında dağıtım için CharmHub’da mevcuttur.
Charmed Kubeflow 1.4, Kubeflow not defterleri, ardışık düzenleri dahil olmak üzere tüm Kubeflow bileşenleri için çok kullanıcılı dağıtım senaryolarını tamamen destekler. ve deneyler.
Bu güncelleme, yönetişimi iyileştirmek ve gölge BT ortamlarının oluşumunu azaltmak için Charmed Kubeflow’un kullanımını basitleştirir. Ayrıca kurumsal veri sızıntısıyla mücadeleye yardımcı olur.
Kimlik doğrulama sağlayıcısı entegrasyon kılavuzu, Charmed Kubeflow 1.4 MLOps platformu için çok kullanıcılı erişim kontrollerinin ayarlanması hakkında daha fazla bilgi sağlar.