CD基金会宣布成立MLOps SIG

作者：Animesh Singh（IBM），CD基金会MLOps SIG主席

机器学习（Machine Learning，ML）在广泛的行业和组织正迅速成为一个关键的技术。在ML领域发生的一件重要的事情是越来越多的模型被生产出来，但是它们真的被部署了吗？

看看在数据和人工智能生命周期中需要执行的步骤的数量，目前在很多情况下，这个过程仍然在不同的团队中分成几部分，每一步都有手动的交接。除了减慢模型的生产和部署之外，这也对可跟踪性、治理和风险管理提出了强大的挑战。

这意味着在ML中使用持续交付（CI/CD）可能会提高部署速度，但它是否会提高质量？你如何知道你所部署的模型是否提供了道德、公平和公正的预测？ML代码执行的操作是否可验证？代码可以被严格地维护和测试吗？是否有明确的沿袭跟踪、元数据收集、实验跟踪、数据版本控制、ETL操作等指南？

MLOps SIG

MLOps定义和路线图：为MLOps创建远景和路线图，它意味着什么，以及我们如何预见它在CI/CD生态系统中的作用。Terry Cox是SIG的一位共同领导，他在为此编写一个远景和路线图草案做得非常好。
参考架构和设计模式：为MLOps创建参考架构、设计模式和实现以及流程。一个用例是MLOps Pipelines和Tekton之间的集成，例如Kubeflow Pipelines使用Tekton作为后端。SIG已经交付了重要的结果，并启动了一个项目，开始在Tekton的基础上启用这些功能。这里列出了一些已制作的工件：

Argo and Tekton Comparison
Argo-Tekton Yaml for Flip Coin
KFP Compiler for basic sequential pipeline in Tekton
Kubeflow Pipelines-TFX Pipelines
人工智能治理和风险管理：定义架构和指导方针，关于包括沿袭跟踪、元数据收集、实验跟踪、数据版本控制、ETL操作等，典型的数据和ML Pipeline应该支持这些来支持合乎道德的人工智能
沟通

MLOps SIG通信使用公共邮件列表：

https://lists.cd.foundation/g/sig-mlops你可以加入关于Slack的讨论，与我们一起合作。

会议

MLOps团体每隔一周在太平洋时间周四上午9:30开会。

会议议程、会议记录和文件都在这里：

https://github.com/cdfoundation/sig-mlops

关于议程、成员、会议时间、邮件列表的详细信息请点击这里：

https://lists.cd.foundation/g/sig-mlops

欢迎大家加入邮件列表并参加会议。请在CI/CD发展的这个重要新领域发表您的意见。

点击文末<<阅读原文>>进入网页了解更多。

CD基金会宣布成立MLOps SIG
：中国开源峰会演讲提案征集现已开始

CD基金会宣布成立MLOps SIG
：2020年中国KubeCon + CloudNativeCon + 开源峰会赞助企划书

继续阅读