Академический Документы
Профессиональный Документы
Культура Документы
ПрезентацияMFDP
ПрезентацияMFDP
в русскоязычном тексте
Власов Виктор
Телеком Ритейл и
компании службы доставки
MLFlow tracking
server
VM
PC DEV VM
Архитектура проекта
MLFlow tracking
server
VM
PC DEV VM
Архитектура проекта
logs invokes
NGINX
service
Train ML Model
read/write invokes Front
S3 model API
bucket
service service service
Архитектура проекта
logs invokes
NGINX
service
Train ML Model
read/write invokes Front
S3 model API
bucket
service service service
Архитектура проекта
logs invokes
NGINX
service
Train ML Model
read/write invokes Front
S3 model API
bucket
service service service
Архитектура проекта
logs invokes
NGINX
service
Train ML Model
read/write invokes Front
S3 model API
bucket
service service service
Проведение экспериментов
MLFlow
1. Клонирование репозитория на локальную tracking
или удаленную машину server
VM
2. Установка git-crypt и переменной среды с
ключом logs
DeepPavlov DeepPavlov/rubert-base-cased-sentence
DeepPavlov/rubert-base-cased-conversational
DeepPavlov/distilrubert-tiny-cased-conversational
DeepPavlov/distilrubert-base-cased-conversational
Sber sberbank-ai/ruRoberta-large
Классический файнтюн Bert
Зашло:
- Оптимизатор AdamW
- Шедулер StepLR
- LR = 5e-5
Проблемы:
Пробуем:
- Аугментация и
балансирование дают 1-2% по
f1-macro
- Хорошо помогает правильно
выбранный lr и scheduler
- Нужны хорошие данные
Web-service модели Docker in VM
MLFlow Registry
Функционал API:
- Класс EmotionClassifierProd
- Функция get_predict()
Технологии: ML Model
Front
- FastAPI API User
- Flask + bootstrap5 service service
Docker in VM
Демонстрация сервиса
Протестировать приложение
можно по QR-коду:
Возможные улучшения и дальнейшее развитие
проекта