Quais são as ferramentas de MLOps?

Ferramentas comuns são DVC para versionamento de dados, ClearML, AWS Sage Maker, Neptune e Qwak para gerenciamento de experimentos, Aporia para monitoramento de modelos. Algumas ferramentas estão se expandindo para incluir mais funções em uma única ferramenta, como CoreAI (solução On Premise) e IguazIO. Machine Learning Operations é o gerenciamento de versionamento de software em esteroides combinado com DevOps. Reconstruir um experimento de IA/ML resultando em um modelo, envolve um alto número de variáveis, como hiperparâmetros, versões dos próprios dados. Além disso, mover para produção é mais do que o empacotamento CI/CD do modelo e prepará-lo para servir, é também a capacidade de monitorar o desempenho do modelo e detectar desvios nos dados. Por último, é a capacidade de trazer o especialista do domínio para o processo e analisar as mudanças junto com o Cientista de Dados. Em resumo, os principais componentes do MLOPS são: Versionamento de Dados | Gerenciamento de Pesquisa e Experimentos | Desempenho do modelo em produção | Automação do Processo de Pesquisa | CI/CD (Serviço de modelo) | Monitoramento de Dados