
منتشرشده در towardsdatascience به تاریخ ۱۹ ژوئن ۲۰۲۱
لینک منبع MLOps 101: Aiming For The Convergence Between AI And DevOps
بله، پس، این روند رسمی است. نام تجاری جدید و درخشان در دنیای IT . یک جستجوی سریع درGoogle Trends نشان میدهد که این کلمه به آرامی اما با اطمینان مورد توجه قرار میگیرد. خود اندرو انجی، یکی از معتبرترین نام ها در دنیای هوش مصنوعی ، فقط یک تخصص جدید را متمرکز کرد.
اما… MLOps چیست؟ بیایید یک مرور سریع انجام دهیم.

تکنولوژی MLOps چیست؟
میخواهم آن را ساده نگه دارم. به نقل از AWS مجدد: اختراع رویداد ۲۰۲۰، MLOps عبارت است از:
فرآیند وارد کردن یک مدل یادگیری ماشینی تجربی به یک سیستم تولید.
این همان تعریفی است که شما میتوانید برای مثال در ویکیپدیا پیدا کنید. ایده ارسال قطعات نرمافزاری برای تولید به روشی خودکار و بدون درد اصلا جدید نیست: این چیزی است که DevOps در مورد آن است. چند سال پیش، برخی از مردم شروع به گفتن این موضوع کردند که، اگر همه شرکتها، حداقل تا حدی، شرکتهای نرمافزاری هستند، پس همه شرکتها باید به روشهای مهندسی نرمافزار خوب توجه کنند.
در اصل DevOps فقط در موردDev وOps نیست. در مورد مدیریت شرکت به عنوان یک کل است؛ درباره کل فرهنگ سازمانی است، از سرایداران (که قول میدهند ساختمان را تمیز نگه دارند) گرفته تا مدیرعامل (که قول میدهد شرکت را تامین مالی کند و حقوق آینده را پرداخت کند). نظریه قول به عنوان چارچوب فکری که بر تغییر در فرهنگ تاکید دارد، ظهور کردهاست. و سرعت جایی است که ما در حال بحث درباره این تغییرات هستیم. (مایک لوکیدز، O Reilly، ۲۰۱۴)
مقالات زیادی وجود دارند که تفاوتهای بین یک DevOps و MLOps را توضیح میدهند (به عنوان مثال این یکی از مارکو سوسیلو را در نظر بگیرید) ، بنابراین من به عمق این موضوع نخواهم پرداخت، اما مسلما ایده مشابهی در حال حاضر در حال انجام است: شرکتهای بیشتری مدلهای یادگیری ماشینی یا یادگیری عمیق را به محصولات خود اضافه میکنند یا از این مدلها برای کمک به آنها در تصمیمگیری استفاده میکنند. بنابراین، بدیهی است که شرکتهای بیشتر و بیشتری باید نگران کسب تخصص در مورد چگونگی رسیدگی به چنین وظایفی باشند.
عمدتا سه منطقه بزرگ تحت حوزه قضایی MLOps وجود دارد:
گردش کار MLOps کاملا شبیه به هر گردش کار توسعه نرمافزار است، و بله، این نکته دیگری است: همه چیز نرمافزار است.
من میخواستم این پاراگراف را به نام دستورات MLOps نامگذاری کنم (کاملاً حماسی، درست است؟) اما متوجه شدم که شاید فرمان کلمهای بیش از حد بزرگ باشد-من بیشرمانه آن را از مقاله عالی مانون سیکس دزدیدم و نمیتوانم با آن رقابت کنم. بیایید بگوییم که لیست زیر پنج نگرانی اصلی برای MLOps است:
با جمعبندی، می توان گفت که فرهنگ MLOps برای همگرایی دنیای DevOps و ML هدفگذاری میکند. هیچکس نمیداند آینده چه اسراری دارد، اما میتوانیم از آن انتظار داشته باشیم که در آینده نزدیک روند خود را حفظ کند.
این متن با استفاده از ربات ترجمه مقالات دیتاساینس ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه میتواند دارای برخی اشکالات ترجمه باشد.
مقالات لینکشده در این متن میتوانند به صورت رایگان با استفاده از مقالهخوان ترجمیار به فارسی مطالعه شوند.