Жизненный цикл модели
Определение
Жизненный цикл ML-модели — этапы от постановки задачи до вывода из эксплуатации: сбор данных, обучение, deployment, мониторинг, обновление.
Простое объяснение
Это все этапы жизни AI-модели: от создания до момента, когда её заменят на новую версию.
Подробнее
Этапы MLOps жизненного цикла:
- Постановка задачи и метрик
- Сбор и подготовка данных
- Feature engineering
- Обучение и валидация
- Deployment в production
- Мониторинг и обслуживание
- Переобучение/вывод
Связанные термины
LoRA
Low-Rank Adaptation — метод эффективного дообучения больших языковых моделей, который замораживает исходные веса и добавляет небольшие обучаемые матрицы.
Машинное обучение
Подраздел AI, где алгоритмы учатся на данных и улучшают свои результаты без явного программирования.
VAE
Variational Autoencoder — генеративная модель, которая учится кодировать данные в компактное латентное пространство и декодировать обратно, используя вероятностный подход.
Few-shot Learning
Few-shot Learning — способность модели выполнять новую задачу, увидев лишь несколько примеров в промпте без дополнительного обучения.