Os fluxos de trabalho de machine learning (ML) têm etapas para preparar e analisar dados, treinar e avaliar modelos, implantar modelos treinados para produção, rastrear artefatos de ML e entender suas dependências etc. Gerenciar essas etapas de maneira ad-hoc pode ser difícil e demorado.
MLOps é a aplicação das práticas DevOps para ajudar a automatizar, gerenciar e auditar os fluxos de trabalho ML. O AI Platform Pipelines ajuda a implementar as MLOps fornecendo uma plataforma em que é possível orquestrar as etapas do fluxo de trabalho como um pipeline. Os pipelines de ML são definições portáteis e reproduzíveis de fluxos de trabalho de ML.
O IA Platform Pipelines faz com que seja mais fácil dar os primeiros passos com as MLOps, poupando você da dificuldade de configurar o Kubeflow Pipelines com o TensorFlow Extended (TFX). O Kubeflow Pipelines é uma plataforma de código aberto para execução, monitoramento, auditoria e gerenciamento de pipelines de ML no Kubernetes. O TFX (link em inglês) é um projeto de código aberto para a criação de pipelines de ML que orquestram fluxos de trabalho de ML completos.
Primeiros passos
Guias de instruções
-
Como configurar o AI Platform Pipelines
Saiba como configurar o AI Platform Pipelines.
-
Como criar um pipeline de ML
Saiba como orquestrar seu processo de ML como um pipeline.
-
Como executar um pipeline de ML
Saiba como acessar o painel do Kubeflow Pipelines e executar pipelines.
-
Como se conectar aos pipelines do IA Platform usando o SDK do Kubeflow Pipelines
Saiba como se conectar ao cluster do AI Platform Pipelines usando o SDK do Kubeflow Pipelines.
-
Como configurar seu Cluster do GKE
Configure seu cluster do Google Kubernetes Engine para garantir que o AI Platform Pipelines tenha recursos computacionais e acesso a recursos do Google Cloud suficientes, como o Cloud Storage ou o BigQuery.