Streszczenie:
Uprodukcyjnienie modeli uczenia maszynowego jest ogromnym wyzwaniem dla
wielu projektów w branży. Implementacja praktyk DevOps okazały się skuteczne w
przyspieszeniu rozwoju i zmniejszeniu ryzyka rozwoju tradycyjnego oprogramowania.
Zastosowanie technik DevOps do rozwoju oprogramowania opartych o technologie
uczenia maszynowego określane jest jako MLOps. Dodatkowa złożoność projektów
uczenia maszynowego względem tradycyjnego oprogramowania wymaga nowego
podejścia, a w konsekwencji nowych narzędzi. Ekosystem rozwiązań MLOps jest dynamicznie
rozwijającą się gałęzią branży IT.
Niniejsza praca magisterska opisuje w szczegółach poszczególne elementy, narzędzia
oraz wymagania w stosunku do stworzenia platform MLOps.Wwyniku pracy została
zaproponowana architektura referencyjna, która jest odpowiednia dla nowych projektów,
których celem jest szybki rozwój i wdrożenie modelu uczenia maszynowego.
Zaproponowana architektura pozwala również na ograniczenie generowania długu
technologicznego i możliwość relatywnie łatwej rozbudowy platformy w przyszłości.
1
