Śledź MLowe eksperymenty łącząc zalety AWSa i systemu open source
Zdarzyło Ci się nie pamiętać, który model był najbardziej efektywny lub na jakich danych był trenowany? Czy kiedykolwiek nie mogłeś zreplikować eksperymentu z powodu zmian w kodzie lub danych? o ile choć raz odpowiedziałeś tak oznacza to, iż nie korzystasz z odpowiednich narzędzi do śledzenia swoich eksperymentów. W prezentacji pokazuję, jak skorzystać z prostoty, intuicyjności i jednoczesnej funkcjonalności narzędzi Open Source, połączonych z niezawodnością i mocą obliczeniową chmury AWS, do zarządzania eksperymentami. Dowiedz się, jak zintegrować MLFlow i Amazon Sagemaker w potężne środowisko zarządzania MLowymi eksperymentami, tworzone i utrzymywane według zasad Infrastructure as a Code dzięki AWS CDK. Każda niejasność zostanie rozjaśniona, każde wyzwanie stanie się możliwe do pokonania!
