MLOps
0 人感兴趣 · 24 次引用
- 最新
- 推荐
Top 5 OSSInsight 年度最佳 MLOps 开源工具
MLOps，即机器学习的 DevOps。它能够帮助企业或组织更好地管理生产中的机器学习模型的复杂性，从而使机器学习项目更快速、更可靠地推广到市场。在本文中，我们将回顾 OSSInsight.io 2022 年列出的排名前 5 的最热门开源 MLOps 工具。
正向拆解 mlops
这篇文章是mlops系列的开篇，所以作为第一篇文章，在讲mlops应该如何构建前，先对其做一下拆解。这样做的目的是不直接给出方案，而是从机器学习最基础的需求开始一步一步推导出mlops应该实现的设计。
AI 机器学习模型部署的典型策略
这篇文章是为那些想了解ML模型如何在生产中部署以及在部署这些模型时可以使用什么策略的人准备的。本文将说明部署ML模型的基本方法，可以采取的不同部署策略，以及这些策略一般在哪里实施。每个数据科学团队都会有一套不同的要求，所以要慎重考虑。
联通 DataOps 和 MLOps：将机器学习推理作为新的数据源
数据是AI开发生产的重要元素，在数据驱动的AI时代，割裂的DataOps和MLOps是否依然能满足企业数据挖掘和AI应用的需求? 带着这个疑问，IDP和大家一起跟随资深AI从业者Debmalya Biswas的实践分享，一探“如何将DataOps嵌入到MLOps中”
FeatureStore meetup V4 回顾｜腾讯 & 微软 & 第四范式特征平台技术解析与应用实践
在机器学习领域以数据为生产资料的新型生产关系中，特征的质量成为AI/ML算法效果的天花板。Feature Store 的出现可以加速推荐建模优化的迭代，简化机器学习中的特征管理和特征计算，并提升机器学习的生产力。国内已有多家公司拥有自己的技术实现，云上产品和
Feature Store Meetup V3 回顾｜华为商城 & 第四范式 & 众安保险特征平台建设实践
6月12日，星策社区主办的第三期「Feature Store Meetup」于线上开展，本次活动由思否视频号、CSDN直播间、示说网同步支持，累计观看人次超过4500+
五年谷歌 ML Infra 生涯，我学到最重要的 3 个教训
近期，ML/AI Infra行业的发展引发了业内人士的热烈讨论。其中，硅谷创业公司Bluesky创始人Mingsheng Hong分享了他在这一领域的心路历程，总结了ML Infra发展的经验教训。他本人此前曾在Google的Data Infra工作，而后转向ML Infra……
Meetup 回顾｜星策社区 FeatureStore Meetup V2
继2021年12月11日举办第一次Feature Store Meetup之后，星策开源社区于2022年4月10日举办了第二期「FeatureStore Meetup V2 」
