mlops | BriefGPT - AI 论文速递

关键词mlops

搜索结果 - 18

通过集体智慧、虚拟化 MLOps、MLPerf、集体知识游乐场和可重现的优化竞赛，实现更高效和经济性的人工智能 / 机器学习系统
本研究论文介绍了社区努力自动协同设计更便宜、更快、更节能的人工智能、机器学习等热门工作负载的软件和硬件，借助 Collective Mind 框架、虚拟化 MLOps、MLPerf 基准和可复现的优化比赛。
PDF10 days ago
通过将系统与机器学习集成，自动化 MLOps 中的模型训练和部署
本文介绍了机器学习在现实世界应用中的重要性，探讨了 MLOps（机器学习运营）的兴起及其在解决模型部署和性能监控等挑战方面的重要性。通过回顾 MLOps 的演变和其与传统软件开发方法的关系，论文提出了将该系统与机器学习相结合以解决现有 ML
PDF2 months ago
自动化 MLOps 代码适应：关于 LLMs 的基准研究
本文探讨了当前一代大型语言模型在将 MLOps 功能整合到 ML 训练代码库中的可能性，并评估了 OpenAI（gpt-3.5-turbo）和 WizardCoder（开源，150 亿参数）模型在不同设置下自动完成各种 MLOps 功能的性
PDF2 months ago
走向 MLOps：面向机器学习系统的 DevOps 工具推荐系统
运用 DevOps 实践于机器学习系统，被称为 MLOps，其目的是建立不同开源工具之间的连接，构建一个能自动执行步骤来构建数据集、训练机器学习模型并将模型部署到生产环境的流水线，并存储不同版本的模型和数据集。本文提出了一个基于上下文信息（
PDF4 months ago
MMFedKit: 为 Android 和 iOS 实现跨平台联邦学习
FedKit 是一个适用于 Android 和 iOS 设备上的跨平台联邦学习系统，通过模型转换、硬件加速训练和跨平台模型聚合来提供跨平台 FL 开发。我们的 FL 工作流支持在生产中的灵活机器学习操作（MLOps），促进持续模型交付和训练
PDF5 months ago
缺乏图像数据的 MLOps：显微图像分析中的一个应用案例
这项研究探索了 MLOps 在稀缺数据分析中的完整应用，并提出了一种新的整体方法来增强生物医学图像分析。
PDF9 months ago
面向工业应用的 XAI MLOps 架构
机器学习在工业部门中成为了一个流行工具，用于提升运营效率、增加效能和降低成本。然而，在生产环境中部署和管理机器学习模型可能十分复杂，因此机器学习运维 (MLOps) 的出现旨在简化这个过程。我们开发了一种新型的 MLOps 软件架构，以解决
PDF9 months ago
因果操作 - 向因果概率图模型的工业生命周期迈进
CausalOps 是一种用于因果模型开发和应用的生命周期框架，旨在推动因果方法在实际应用和感兴趣的机构以及因果关系社区中的广泛采用。
PDFa year ago
探索 MLOps 动态：一项在现实世界中的机器学习项目中的实验分析
本文通过实验研究了优化 MLOps（机器学习运营）过程，旨在通过识别模式和洞察力来增强 MLOps 工作流程，并提供有关在现实世界模型开发情景中进行主动规划和持续改进的实用提示和建议。
PDFa year ago
AlerTiger：领英 AI 模型健康监控的深度学习
AlerTiger 是一种深度学习的 MLOps 模型监控系统，通过检测模型输入特征和输出得分的异常来帮助公司内的 AI 团队监控其 AI 模型的健康状况，该方法已在 LinkedIn 的大多数生产 AI 模型中部署超过一年，并且在修复了几
PDFa year ago
托管的地理分布式特征存储：架构和系统设计
为了解决机器学习中特征工程管道独立维护导致的重复和冲突问题，本文介绍了一个管理型特征存储的核心架构组件和设计经验.
PDFa year ago
MLOps：企业机器学习的一大步
该研究详细介绍了 MLOps，它的好处，困难，演变以及重要的底层技术，如 MLOps 框架，Docker，GitHub 动作和 Kubernetes。该文章还侧重于使用各种成熟度水平的自动化管道的 ML 项目的端到端生产。它提供了一个企业级
PDFa year ago
覆盖整个机器学习生命周期的 MLOps: 一项调查
本文旨在通过综合调查，以 MLOps 为过程，收集和阐述关键概念和活动及其代表作和调查，对现有机器学习技术的现状进行清晰的阐述，以便初学者（如研究人员、从业人员）了解 MLOps 过程的概述，以及在 ML 过程的每个步骤中使用的关键技术，并
PDFa year ago
DNN 操作准确性的迭代评估与改进
我们提出了 DAIC（DNN 评估和改进周期）方法，结合 “低成本” 在线伪预测和 “高成本” 离线抽样技术来估算和提高 DNN 系统的操作准确性，并将它们整合到 DNN 系统的迭代生命周期中。
PDFa year ago
人工智能模型持续开发的流程 —— 研究与实践当前状况
本文提供了一个综合的文献综述及九个半结构化采访，总结了 AI 模型持续开发中面临的挑战。作者提出了一种适用于 AI 持续开发的流水线，包含数据处理、模型学习、软件开发及系统运维四个阶段，并针对每个阶段的实施、适应和使用提出了具体挑战。
PDFa year ago
MLOps 环境下的质量保证：工业视角
本研究为了解决工业生产系统中机器学习模型的质量检验问题，提出了基于模块化策略的数据完整性及数据质量的质量保证方法，并以工业合作案例为支撑，还提出了未来研究的几个挑战。
PDF2 years ago
机器学习运维 (MLOps)：概述、定义和架构
本文旨在通过文献综述、工具综述以及专家访谈的研究方法，提供了机器学习运营的定义、必要原则、部件及角色，及其架构和工作流程的综合概述，并强调了该领域的开放性挑战，为想要用指定的技术来自动化和操作他们的机器学习产品的研究人员和从业者提供了指导。
PDF2 years ago
Python 中使用 dalex 进行负责任机器学习、交互式可解释和公平性
本研究讨论了预测模型在预测、公平性和一致性方面的问题，介绍了一个名为 'dalex' 的 Python 包，提供了对机器学习模型的交互式探索，以实现深度透明度和合理的机器学习模型。
PDF4 years ago