Как создать действительно циклический жизненный цикл для современной ML-модели. Создание технологической обвязки для в сквозного MLOps-процесса, это до 80% трудозатрат проекта и требует разносторонней экспертизы. Алексей Аксёнов Principal Architect из OpsGuru рассказывает о создании такого решения на базе Kube Flow Pipelines SDK от Google AI Platform. В программе:

• Варианты использования Kube Flow как оркестратора: Tensor Flow Extended с библиотекой готовых компонент ориентированный на TensorFlow и KFP DSL для использования с любыми другими экосистемами.
• Демонстрация: интеграция отправки уведомлений в чат разработчикам и добавления взаимодействия со сторонним сервисом в типичном ML-процессе (сбор начальных данных, подготовка и аннотирование, тренировка модели, с последующей оценкой и публикацией).