Avrilia Floratou

科学数据生命周期包含多个迭代步骤:数据收集、数据清洗/勘探、工程特点、模型训练、模型部署和得分。这个过程往往是乏味和容易出错,需要相当大的人力物力。除了这些挑战,当涉及到利用毫升在企业应用程序中,尤其是在监管环境中,数据处理水平的审查,模型公平、用户隐私和debuggability非常高。在这次演讲中,我们群的基本特征,采用端到端的平台,促进毫升的企业应用程序。bob体育客户端下载我们将这个新类的应用程序称为企业等级机器学习(EGML)。群利用MLflow简化和自动化支持EGML应用程序所涉及的步骤,允许数据科学家花大部分的时间在改进毫升模型。群利用MLflow模型和实验跟踪但延伸和补充,它提供了自动记录,更深层次的整合与关系数据库通常存储机密数据,模型优化和支持ONNX模型格式和推理的ONNX运行时。我们还将提出我们的正在进行的工作数据和ML模式之间自动跟踪血统在监管环境是至关重要的。我们将展示群的功能通过使用微软Azure Data Studio和MLflow演示。