Chez Algorithmia, nous adoptons une approche d’intégration d’abord pour les opérations d’apprentissage automatique (MLOps). Nous savons que de nombreuses organisations utilisent une variété d’outils open source et propriétaires pour soutenir l’expérimentation et le développement de l’apprentissage automatique. Quel que soit l’endroit où un modèle ML a été formé, cependant, il ne peut pas générer de valeur pour votre entreprise à moins qu’il ne soit mis en production – et c’est là qu’intervient Algorithmia.

L’entreprise d’Algorithmia La plate-forme MLOps gère toutes les étapes du cycle de vie du ML de production au sein des processus opérationnels existants. Avec Algorithmia, vous pouvez fournir plus de modèles, plus rapidement, tout en protégeant votre entreprise avec une sécurité avancée et la gouvernance. Notre large soutien de plus 3 900 langages et frameworks garantissent que vous pouvez utiliser n’importe quel outil ou système préféré pour développer vos modèles, et ils fonctionneront automatiquement en production.

Nous sommes ravis de partager notre nouvelle intégration avec MLflow, une plate-forme open-source populaire pour la gestion des différentes étapes du cycle de vie du ML. Avec cette nouvelle intégration, vous pouvez créer et entraîner vos modèles à l’aide de MLflow, puis les déployer en production avec Algorithmia, où vous pouvez utiliser nos fonctionnalités avancées pour les opérations et la gouvernance de ML en entreprise.

Cet article de blog montre comment démarrer avec l’intégration Algorithmia-MLflow.

Comment configurer l’intégration Algorithmia-MLflow

L’utilisation de cette nouvelle intégration nécessite très peu d’efforts pour les utilisateurs de MLflow. Il s’agit d’une intégration tierce native qui s’intègre à l’interface de ligne de commande MLflow et, plus spécifiquement, aux commandes de déploiement MLflow.

Cette extension est disponible dans PyPI en tant que mlflow-algorithmia et peut être installé à l’aide d’une simple commande pip:

pip install mlflow-algorithmia

Cela installera un nouveau type de déploiement dans MLflow appelé algorithmia. Avec le nouveau type de déploiement, les utilisateurs peuvent déployer n’importe quel modèle formé à MLflow à l’aide de l’API MLflow standard tout en transmettant le chemin d’accès au modèle entraîné. Par example:

mlflow deployments create -t algorithmia --name mlflow_sklearn_demo -m mlruns/0/<run-id>/artifacts/model

Après cela, le modèle sera envoyé à Algorithmia et un nouveau point de terminaison d’API sera prêt à être utilisé. Voici un exemple utilisant cURL:

curl -X POST -d '{"columns":["alcohol", "chlorides", "citric acid", "density", "fixed acidity", "free sulfur dioxide", "pH", "residual sugar", "sulphates", "total sulfur dioxide", "volatile acidity"],"data":[[12.8, 0.029, 0.48, 0.98, 6.2, 29, 3.33, 1.2, 0.39, 75, 0.66]]}' -H 'Content-Type: application/json' -H 'Authorization: Simple '${ALGORITHMIA_API_KEY} https://api.algorithmia.com/v1/algo/$ALGORITHMIA_USERNAME/mlflow_sklearn_demo/<version>

Ce point de terminaison d’API utilise la même interface que MLflow utilise pour les autres types de déploiement, de sorte que tout est standard et facile à mettre en place pour tout utilisateur de MLflow.

Commencez dès aujourd’hui avec l’intégration d’Algorithmia-MLflow

Prêt à utiliser Algorithmia et MLflow ensemble? Regardez cette démo vidéo pour plus d’informations et pour voir cette nouvelle intégration en action.

Vous pouvez également suivre la vidéo et commencer dès aujourd’hui en utilisant le référentiel mlflow-algorithmia Github.

Nous sommes ravis de publier cette nouvelle intégration pour aider la communauté ML à mettre plus de modèles en production, peu importe comment et où ils ont été formés, et nous sommes impatients de savoir comment vous l’utilisez.