安全地工业化你的模型
在本次网络研讨会中，了解一个合理的MLOps策略如何帮助降低风险和扩展人工智能工作.
观看网络研讨会将项目部署到生产
部署器是操作人员可以跨各个生命周期管理美狮贵宾会官方网项目和API部署版本的中心位置.
管理代码环境和基础设施的依赖关系，用于批量和实时评分, 并在开发中部署包和API服务, 测验, 并为更新提供健壮的方法.
可靠的批处理操作
美狮贵宾会官方网自动化节点是专用的生产服务器，用于执行日常生产任务(如更新数据)的场景, 令人耳目一新的管道, 并根据时间表或触发器对模型进行监控或再训练.
使用这些专用的执行服务器, 多个人工智能项目在可靠和隔离的生产环境中顺利运行.
API服务的实时结果
通过美狮贵宾会官方网 API节点按需提供答案——具有弹性, 高度可用的基础设施，动态扩展云资源，以满足不断变化的需求.
只需点击几下, 生成用于实时模型推断的REST API端点, 代码功能, SQL查询, 以及数据集查找, 导致更多由人工智能驱动的下游应用程序和流程.
监控 & 漂移检测
一旦人工智能项目启动并投入生产运行, 美狮贵宾会官方网监控管道，确保所有流程按计划执行，并在出现问题时通知操作人员.
模型评估存储捕获并可视化性能度量，以确保实时模型随着时间的推移继续交付高质量的结果. 当模型降级时, 内置漂移分析有助于运营商检测和调查潜在数据, 性能, 或者预测漂移来告知下一步.
模型再训练与比较
生产模型需要定期根据更新的数据或变化的条件进行更新. 团队可以手动重构模型，也可以根据时间表或特定的触发器设置自动再培训, 例如重要数据或性能漂移.
在美狮贵宾会官方网中进行综合模型比较, 数据科学家和机器学习操作员对候选模型进行冠军/挑战者分析，以做出关于在生产中部署的最佳模型的明智决策.
CI/CD，带有用于DevOps的api
健壮的api使IT和ML操作员能够从外部编配系统以编程方式执行美狮贵宾会官方网操作，并将MLOps任务合并到现有的数据工作流中. 美狮贵宾会官方网集成了DevOps团队已经使用的工具, 像詹金斯, GitLabCI, 特拉维斯CI, 或Azure管道.
模型压力测试和自动文档编制
通过一系列模拟真实世界数据质量问题的压力测试, ML算子通过评估模型在不利条件下的鲁棒性和行为来降低风险, 部署前.
自动生成的, 模型和管道的可定制文档帮助团队保留关键的项目上下文，以实现可再现性和遵从性目的，同时减少手工文档的负担.