CD基金会宣布成立MLOps SIG
作者:Animesh Singh(IBM),CD基金会MLOps SIG主席
机器学习(Machine Learning,ML)在广泛的行业和组织正迅速成为一个关键的技术。在ML领域发生的一件重要的事情是越来越多的模型被生产出来,但是它们真的被部署了吗?
看看在数据和人工智能生命周期中需要执行的步骤的数量,目前在很多情况下,这个过程仍然在不同的团队中分成几部分,每一步都有手动的交接。除了减慢模型的生产和部署之外,这也对可跟踪性、治理和风险管理提出了强大的挑战。
这意味着在ML中使用持续交付(CI/CD)可能会提高部署速度,但它是否会提高质量?你如何知道你所部署的模型是否提供了道德、公平和公正的预测?ML代码执行的操作是否可验证?代码可以被严格地维护和测试吗?是否有明确的沿袭跟踪、元数据收集、实验跟踪、数据版本控制、ETL操作等指南?
MLOps SIG
为了解决这些挑战,在CD基金会下管理的MLOps SIG以下列目标一起形成:
MLOps定义和路线图:为MLOps创建远景和路线图,它意味着什么,以及我们如何预见它在CI/CD生态系统中的作用。Terry Cox是SIG的一位共同领导,他在为此编写一个远景和路线图草案做得非常好。
参考架构和设计模式:为MLOps创建参考架构、设计模式和实现以及流程。一个用例是MLOps Pipelines和Tekton之间的集成,例如Kubeflow Pipelines使用Tekton作为后端。SIG已经交付了重要的结果,并启动了一个项目,开始在Tekton的基础上启用这些功能。这里列出了一些已制作的工件:
Argo and Tekton Comparison
Argo-Tekton Yaml for Flip Coin
KFP Compiler for basic sequential pipeline in Tekton
Kubeflow Pipelines-TFX Pipelines
人工智能治理和风险管理:定义架构和指导方针,关于包括沿袭跟踪、元数据收集、实验跟踪、数据版本控制、ETL操作等,典型的数据和ML Pipeline应该支持这些来支持合乎道德的人工智能
沟通
MLOps SIG通信使用公共邮件列表:
https://lists.cd.foundation/g/sig-mlops
你可以加入关于Slack的讨论,与我们一起合作。
会议
MLOps团体每隔一周在太平洋时间周四上午9:30开会。
会议议程、会议记录和文件都在这里:
https://github.com/cdfoundation/sig-mlops
关于议程、成员、会议时间、邮件列表的详细信息请点击这里:
https://lists.cd.foundation/g/sig-mlops
欢迎大家加入邮件列表并参加会议。请在CI/CD发展的这个重要新领域发表您的意见。
点击文末<<阅读原文>>进入网页了解更多。
:2020年中国KubeCon + CloudNativeCon + 开源峰会赞助企划书
为下一代持续交付协作提供一个中立的家。
CDF(Continuous Delivery Foundation,持续交付基金会)是许多快速增长的持续交付项目,包括Jenkins、Jenkins X、Spinnaker和Tekton,的供应商中立家园。CDF通过开放模型、培训、行业指南和可移植性重点来支持DevOps从业者。
查看文中链接,请点击【阅读原文】
推荐阅读