MLOpsを用いた機械学習モデルの自動展開のための連続統合/連続配送について【JST・京大機械翻訳】

Garg Satvik; Pundir Pradyumn; Rathee Geetanjali; Gupta P. K.; Garg Somya; Ahlawat Saransh

プレプリント

J-GLOBAL ID：202202215261164311 整理番号：22P0286153

MLOpsを用いた機械学習モデルの自動展開のための連続統合/連続配送について【JST・京大機械翻訳】

On Continuous Integration / Continuous Delivery for Automated Deployment of Machine Learning Models using MLOps

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年02月07日プレプリントサーバーでの情報更新日： 2022年02月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

機械学習におけるモデル展開は,近年,研究の興味深い分野として浮上している。それは従来のソフトウェア開発に対して定義された手順に匹敵する。連続統合と連続デリバリ(CI/CD)は,開発と運用(DevOps)と共に使用されるとき,ソフトウェア進歩を平滑化し,ビジネスをスピードアップすることが示されている。機械学習操作(MLOps)部品を含むアプリケーションにおけるCI/CDパイプラインの使用は,一方では,クラウドプロバイダによって典型的に提供されるユニークなツールを用いて,それらの解決を困難にし,そして,その領域における先駆者は,それらを解決している。本研究は,DevOpsとMLOpsの間の機械学習ライフサイクルと鍵識別におけるより詳細な視点を提供する。MLOpsアプローチでは,機械学習フレームワークのCI/CDパイプラインを実行するためのツールとアプローチについて議論する。その後,著者らは,Github運用(GitOps)におけるプッシュとプルベースの展開に深く見える。オープン探査問題も同定し,追加し,将来の研究を導く。【JST・京大機械翻訳】

, , , , , , ,
, 【Automatic Indexing@JST】

計算機システム開発 , 人工知能

, , , ,

前のページに戻る