Pipeline Jungles: Es una selva ahí fuera
Aceptada
Alguna vez deployaste un modelo de ML a producción? Y 20 en simultáneo? En esta charla vamos a hablar de todos los anti-patterns y dolores de cabeza que surgen a la hora de orquestar el deploy y reentrenamiento de N modelos a producción, cuando N es mayor a 100. Vamos a aprender qué son los pipelines jungles, la deuda técnica de integración, y nuestra solución en ASAPP para resolverlo.
Tipo: Charla estandard, 25 minutos
Nivel: Principiante
Disertantes: Axel Sirota
Biografiá del Disertante: Axel Sirota es licenciado en matemáticas con un profundo interés en Deep Learning y el ciclo de vida de los modelos. Actualmente trabaja en ASAPP como Machine Learning Engineer acelerando y mejorando la plataforma de reentrenamiento de modelos para tener un pipeline prolijo, claro, fault tolerant y escalable. Aparte de eso, trabajé +5 años en el CI/CD pipeline del software desde la configuracion de Jenkins hasta produccion.
Horario: 12:30 - 13:00 - 06/12/2019
Sala: D - Invgate
Etiquetas/Tags: machine learning deuda tecnica orquestración de modelos deep learning
Descripción completa
En esta charla vamos a hablar sobre toda la deuda tecnica que es generada por el machine learning de manera encubierta. Como el pipeline del reentrenamiento de modelos y datos usualmente conlleva mucho "glue code" entre diferentes librerias y como ese glue code resulta muy dificil de testear, modularizar, orquestar y suele traer muchos problemas de regresion. Luego vamos a avanzar a discutir sobre diferentes formas de orquestar la plataforma de rentrenamientos, diversos fallos que tuvimos en ASAPP, lecciones aprendidas y caminos a seguir.