MLOps Temelleri
IntermediateSkill Level
14 sa
MLOps nedir?
2015’te Google, “Makine Öğrenimi Sistemlerinde Gizli Teknik Borç” başlıklı bir araştırma makalesi yayımladı. Bu makalede Sculley ve arkadaşları, öngörücü makine öğrenimi modellerini kodlamanın, üretimde makine öğrenimi sistemleri oluşturma, devreye alma ve sürdürmenin yalnızca küçük bir kısmı olduğunu vurguladı. Makale alanda büyük yankı uyandırdı ve o zamandan beri sayısız örnekle, veri bilimcilerin modellerini üretime almada zorlandığı gerçeğiyle doğrulandı.
Veri ekiplerinin karşılaştığı devreye alma zorluklarını çözmeyi amaçlayan heyecan verici yeni bir alan olan MLOps (Machine Learning Operations), son birkaç yılda ortaya çıktı. MLOps, ya da Machine Learning Operations, güvenilir ve ölçeklenebilir şekilde makine öğrenimi sistemlerini devreye almayı sağlayan bir araçlar, uygulamalar, teknikler ve kültür bütünüdür. Veri bilimi bir alan olarak olgunlaştıkça, MLOps veri bilimcilerin seçebileceği en hızlı büyüyen uzmanlıklardan biri, hatta belki de en hızlısı hâline geldi.
MLOps alanı henüz çok yeni olduğundan, pek fazla kodifiye öğrenme yolu yok. Yine de açık kaynak ve makine öğrenimi toplulukları, herkesin erişip anında faydalanabileceği, son derece güvenilir ve kullanışlı çok sayıda ücretsiz kaynak sundu. İşte MLOps öğrenme yolculuğunuza bugün başlayabileceğiniz 10 ücretsiz kaynak.
1. MLOps Fundamentals Yetenek Parkuru
DataCamp'in MLOps Fundamentals yetenek parkuru, bir makine öğrenimi uygulamasının iş gereksinimlerinin toplanmasından tasarım, geliştirme, devreye alma, işletim ve bakım aşamalarına kadar tüm yaşam döngüsünü kapsar. Bu parkur, veri bilimi bilginizi üretim odaklı makine öğrenimi yazılımı dünyasına genişletmenize yardımcı olacak kavramsal dersleri içerir! Parkuru tamamladığınızda bir MLOps bakış açısına sahip olacak ve CI/CD ile CM/CT, deney takibi, model kayıtları, özellik mağazaları ve farklı devreye alma stratejileri gibi kavramlara derinlemesine hâkim olacaksınız
2. Andriy Burkov’dan Machine Learning Engineering
İlk olarak 2020’de yayımlanan bu kitap, uygulamalı makine öğreniminin temellerini ele alan az sayıdaki eserden biridir. Herhangi bir araca veya tek bir kavrama odaklanmak yerine, Burkov uçtan uca bir makine öğrenimi projesi kurmanın ve devreye almanın sanatını ve bilimini sadeleştirir. Kitap boyunca, veri ekiplerinin üretimde makine öğrenimi modellerini devreye alırken karşılaştığı yaygın zorlukları ve bunların çözümlerini vurgular.
Kitaba “önce oku, sonra satın al” ilkesiyle ücretsiz erişebilirsiniz—yani değer sağladığını düşünürseniz sonradan ödeme yapabilirsiniz.
3. ML in Production Blog
MLOps’a dair en iyi kaynaklardan bazıları, günümüzde aktif veri bilimcilerin bülten ve bloglarında bulunabilir. Luigi Patruno’nun ML in Production Blog ve Bülteni bunun en iyi örneklerindendir. Üretimde modellerin devreye alınması ve sürdürülmesine ilişkin içgörülü içerikleri düzenli olarak paylaşır. Kendi derleme yaklaşımını şöyle tanımlar:
- Uygulamalı—İçerik, üretimde çalıştığı kanıtlanmış araçlara, desenlere, platformlara ve sistemlere odaklanır.
- En iyi uygulamalara odaklı—Veri bilimi ve makine öğrenimi hızla değişen alanlardır. Bu sistemleri devreye almak için gerekli becerilere sahip kişi sayısı az ve yerleşik en iyi uygulamalar yetersizdir. Bülten, bu en iyi uygulamaları daha geniş topluluğa derlemeyi hedefler.
- Veri bilimcileri işlerinde daha etkili kılmayı amaçlar—Derlenen tüm içerik, veri bilimcilerin, ML mühendislerinin ve veri uygulayıcılarının yüksek etkili, pazarlanabilir beceriler kazanmasına ve geliştirmesine yardımcı olmayı amaçlar.
4. MLOps Community
MLOps’u öğrenmenin en iyi yolu birlikte ve uygulamayla öğrenmektir. Bu topluluk, alandaki yetkin uygulayıcılarla iletişim kurup (veya katılıp) onlardan öğrenebileceğiniz bir ortam sunar. Bloglardan videolara ve etkileşimli sohbetlere kadar, bu kaynak bu alanda sağlam bir temel atmanın harika bir yoludur.
5. Full Stack Deep Learning
Bu kurs, karmaşık ve büyük modelleri üretime taşımanın nasıl öğrenileceğine dair en kaliteli içeriklerden bazılarını sunar. Yalnızca OpenAI ve Stanford’dan Mühendisler ve Bilim İnsanları gibi saygın eğitmenler tarafından verilmekle kalmaz, aynı zamanda Tesla’dan Andrej Karpathy gibi bugün en ilham verici makine öğrenimi şirketlerinin liderlerinden konuk dersler de bulabilirsiniz.
Bu kurs, derin öğrenmeye tam yığın bir yaklaşımla şunları öğretir:
- Problemi formüle etmek ve proje maliyetini tahmin etmek
- Veri bulmak, temizlemek, etiketlemek ve zenginleştirmek
- Doğru çerçeveyi ve hesaplama altyapısını seçmek
- Eğitimi sorun gidermek ve tekrarlanabilirliği sağlamak
- Modelleri üretime devreye almak
6. Goku Mohandas’tan Made With ML
Goku Mohandas, uçtan uca makine öğrenimi sistemleri kurmaya yönelik olağanüstü ve açık bir kurs oluşturdu. Made with ML, GitHub’daki en iyi depolardan biridir ve 30 binden fazla kişi kursunu takip etmektedir.
Made with ML kapsamındaki dersler, makine öğreniminin temellerinden üretimde modelleri devreye alma, test etme ve izleme ayrıntılarına kadar geniş bir yelpazeyi kapsar. Goku’nun dersleri, sunulan kavramların sezgisini açıklar, uygulamalı proje tabanlı ödevler sunar ve bir MLOps rolünde başarılı olmak için gereken bazı yazılım mühendisliği en iyi uygulamalarını öğretir.
7. Awesome production machine learning
Bu özenle derlenmiş GitHub deposu, doğrudan paketlere, kütüphanelere ve en yeni araçlara dalıp kendi başınıza pratik yapmak isteyenler içindir. Listelenen tüm paket ve araçlar, üretim makine öğrenimi sistemlerinizi kurmanıza, devreye almanıza, izlemenize, versiyonlamanıza, ölçeklendirmenize ve güvence altına almanıza yardımcı olacak şekilde tasarlanmıştır.
İster veri etiketleme, ister model eğitim orkestrasyonu, açıklanabilirlik, sunum, izleme ve daha fazlası—burada kesinlikle projelerinizde denemeye başlayabileceğiniz birkaç paket bulacaksınız. Ayrıca, makine öğrenimi uygulayıcıları tarafından derlenen en yeni çerçeveler, eğitimler ve makalelerden haberdar olmanızı sağlayan The ML Engineer bültenine de yer veriyorlar.
8. DVC’den MLOps Eğitimi
DVC (Data Version Control), makine öğrenimi projeleri için açık kaynaklı bir sürüm kontrol sistemidir. DVC, Git sürüm kontrolünü veri kümelerine ve modellere genişletir. Ayrıca, DVC’nin arkasındaki aynı ekip, GitHub Actions ve GitLab CI gibi sürekli entegrasyon sistemlerini makine öğrenimine uyarlamak için Continuous Machine Learning (CML) aracını da geliştirmiştir.
Bu nispeten kısa YouTube serisi, DevOps ile Makine Öğreniminin kesişimindeki önemli kavramları öne çıkarır. Teori ile pratiği dengeli bir şekilde sunar ve DVC aracılığıyla veri versiyonlamayı nasıl uygulayacağınızı gösterir.
9. Machine Learning Operations
Bu kaynak muhtemelen en kapsamlı olanlardan biridir. Başarılı bir MLOps uygulamasının farklı unsurlarını ayrıntılarına ayıran yazılarla doludur. Machine Learning Operations, yönergeler, çerçeveler, davranış kuralları sunar ve MLOps alanında bir standart belirlemeye çalışır.
Kısa olmasına rağmen, MLOps’un neden önemli olduğunu, başarılı bir MLOps uygulamasının temel ilkelerini, MLOps’ta kullanılan araç ve çerçeveleri ve daha fazlasını anlatan harika bir başlangıç noktasıdır.
10. AIEngineering’den MLOps – Machine Learning Operations
AIEngineering, uygulamalı makine öğrenimi için muhtemelen en iyi, hatta en iyi YouTube kanallarından biridir. 60 binden fazla abonesiyle Srivatsan Srinivasan, veriyle ilgili her konuyu ele alarak geniş bir takipçi kitlesi oluşturmuştur.
MLOps ve uçtan uca makine öğrenimi projelerinin devreye alınması üzerine pek çok derinlemesine videosu ve oynatma listesi bulunur. Mutlaka göz atın.
11. TensorFlow’dan TFX ile Üretim ML Dağıtımları için ML Engineering
Google, makine öğreniminde en yaygın kullanılan araçlardan birini TensorFlow ile geliştirdi. Bunu TensorFlow Extended (TFX) ile bir ileri seviyeye taşıyorlar. TensorFlow Extended, makine öğrenimi modellerini devreye almak için uçtan uca bir platformdur. Veri doğrulama, dönüştürme, model analizi ve daha fazlası için çeşitli paketlerden oluşur. TFX, yazılım mühendisliğine aşırı zaman ve emek harcamadan kolayca makine öğrenimi sistemleri tasarlamak için geliştirilmiştir.
Google Developer Advocate Robert Crowe’un sunduğu bu YouTube oynatma listesi, Google’da kullanılan temel MLOps kavramlarını ve en iyi uygulamaları tanıtır. Ayrıca, TFX dokümantasyonu da keşfetmek için harika bir okumadır—yalnızca kılavuzlarıyla bu paketi kullanmayı denemek bile size ciddi ölçüde şey öğretebilir.
MLOps hakkında daha fazlasını öğrenin
MLOps hâlâ erken aşamalarında olsa da—yukarıdaki kaynaklarda yer alan en güncel en iyi uygulamalar ve araçlar hakkında erkenden fikir sahibi olmak büyük değer sağlar. MLOps hakkında daha fazla bilgi edinmek isterseniz, aşağıdaki kaynaklara da göz atabilirsiniz:
Konular
