Мы рады сообщить, что открыли наш фреймворк Piper для всех разработчиков на гитхабе. Несмотря на то, что мы не закончили некоторые важные аспекты ядра, решили не ждать, а сразу поделиться, и теснее пообщаться о нашей разработке. В конце концов, мы изначально задумали, чтобы продукт был опенсорсным и все могли его использовать, решая свои задачи. Приветствуем любую обратную связь и помощь в доработке!✌️В этой статье расскажем о фреймворке PiperЧитать полностью »
Рубрика «mlops» - 2
Война ML фреймворков, русский стартап потеснит запад
2022-12-22 в 17:10, admin, рубрики: AI, devops, ml, mlops, piper, python, искусственный интеллект, машинное обучение, Развитие стартапаMLOps меняет процесс разработки моделей машинного обучения
2022-04-30 в 19:01, admin, рубрики: devops, machine learning, mlops, машинное обучениеПромышленные решения, основанные на машинном обучении — это гораздо больше, чем просто модель. Три ключевые концепции, охватывающие управление версиями, тестирование и конвейеры, являются основой для операций машинного обучения (MLOps), которые помогают группам по анализу данных быстрее и увереннее выпускать модели.
Что такое MLOps и различные MLOps-инструменты (часть 2)
2022-03-07 в 13:19, admin, рубрики: data science, mlops, mlops tools, машинное обучение
MLOps — Cook book, chapter 1
2020-07-03 в 7:06, admin, рубрики: computer vision, deep learning, devops, machine learning, mlflow, mlops, python, Блог компании КРОК, машинное обучение, разработка, управление разработкой
Всем привет! Я CV-разработчик в КРОК. Уже 3 года мы реализуем проекты в области CV. За это время чего мы только не делали, например: мониторили водителей, чтобы во время движения они не пили, не курили, по телефону не разговаривали, смотрели на дорогу, а не сны или в облака; фиксировали любителей ездить по выделенным полосам и занимать несколько мест на парковке; следили за тем, чтобы работники носили каски, перчатки и т.п.; идентифицировали сотрудника, который хочет пройти на объект; подсчитывали всё, что только можно.
Я все это к чему?
В процессе реализации проектов мы набили шишки, много шишек, с частью проблем вы или знакомы, или познакомитесь в будущем.
Моделируем ситуацию
Представим, что мы устроились в молодую компанию “N”, деятельность которой связана с ML. Работаем мы над ML (DL, CV) проектом, потом по каким-либо причинам переключаемся на другую работу, в общем делаем перерыв, и возвращаемся к своей или чужой нейроночке.
- Наступает момент истины, нужно как-то вспомнить на чем ты остановился, какие гиперпараметры пробовал и, самое главное, к каким результатам они привели. Читать полностью »