Nasazení do cloudu s použitím MLOps nástrojů

Abstract

S rastúcou popularitou strojového učenia (ML) sa objavila nová paradigma zameraná na aplikáciu metodiky DevOps na systémy ML, známa ako Machine Learning Operations (MLOps). Táto práca skúma aplikáciu paradigmy MLOps na životný cyklus vývoja aplikácie využívajúcej ML, poskytnutej spoločnosťou Profinit EU. V práci je predstavená MLOps paradigma, opísané jej princípy a uvedený prehľad vybraných nástrojov MLOps. Na základe týchto informácii je navrhnutá pipeline na aplikovanie princípov MLOps. Poskytnutá aplikácia je migrovaná do cloudového prostredia, kde je navrhnutá pipeline implementovaná a použitá s aplikáciou.

With Machine Learning (ML) gaining broader adoption and popularity, a new paradigm focused on applying DevOps methodology to ML systems, known as Machine Learning Operations (MLOps), has emerged. This thesis investigates the application of the MLOps paradigm to the development life cycle of an application utilizing ML provided by Profinit EU. In this thesis, MLOps is introduced, its principles are described, and an overview of select MLOps tools is provided. Based on this information, a pipeline to apply MLOps principles is designed. The provided application is migrated to a cloud environment, where the designed pipeline is implemented and used with the application.