معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Utilities of MLOps for INRIA

ویژگی	مقدار
سیستم عامل	-
نام فایل	common-mlops-0.1.1
نام	common-mlops
نسخه کتابخانه	0.1.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Patricio Merino
ایمیل نویسنده	patricio.merino@inria.cl
آدرس صفحه اصلی	https://gitlab.com/Inria-Chile/common-mlops
آدرس اینترنتی	https://pypi.org/project/common-mlops/
مجوز	MIT

# common-mlops This is a set of utilities for end-to-end lifecycle of Machine Learning applications in Python for Inria-Chile. Could be used like a framework and tooling for rapid development of data science and MLOps functions. Here’s the folder structure for the repository: ``` common-mlops/ | ├── data/ │ ├── prepared/ │ └── raw/ │ └── metrics/ ├── model/ ├── mlops/ | └── *.py ├── test/ | └── test_*.py ├── venv/ ├── check_credentials.sh ├── install.sh ├── LICENSE ├── README.md ├── requirements.txt ├── s3*.py └── setup.py ``` There are the folloging folders in our repository: - data/ is all versions of the dataset. - data/raw/ is the data obtained from an external source. - data/prepared/ is for data modified internally. - data/metrics/ is for tracking the performance metrics of our models. - model/ is for machine learning models. - mlops/ is the source code. Python classes used by the Python scripts. - test/ is the pyunit of source code. - venv/ is the virtual environment. - check_credentials.sh bash for check the AWS credentials. - install.sh bash for check the installation. - LICENSE - requirements.txt the dependencies. - s3*.py Python scripts for bash executions. - setup.py the configuration of the package. # Installation Linux Perform the following steps in order to install this program. Replace 'access_key_id' and 'secret_access_key' by the account AWS Credentials associated to poc-inriacl. ```sh git clone https://gitlab.com/Inria-Chile/common-mlops.git ./common-mlops/install.sh access_key_id secret_access_key pip3 uninstall common-mlops # Version of test pip3 install -i https://test.pypi.org/simple/ common-mlops # Version of production pip3 install common-mlops ``` # Updates in test.pypi.org Perform the following steps in order to publish new versions to test.pypi.org: ```sh sudo rm -rf build common_mlops.egg-info dist bumpversion --current-version 1.0.0 minor setup.py mlops/__init__.py python3 setup.py sdist bdist_wheel # Version of test twine check dist/* twine upload --repository-url https://test.pypi.org/legacy/ dist/* # Version of production twine upload dist/* ``` # Tests Run the unit tests: ```sh python3 -m unittest ``` # Usage See the example of usage in: - https://gitlab.com/Inria-Chile/oceania/data-read - http://twiki.inriadev.cl/twiki/bin/view/Sandbox/OceaniaClassDiagramPOCS3DVC # Docker Build the image: ```sh docker build -t common-mlops . ``` ```sh docker pull common-mlops ``` Run the image: ```sh docker run -v$HOME/.aws:/root/.aws:ro -e S3_ACCESS_KEY_ID=access_key_id -e S3_SECRET_ACCESS_KEY=secret_access_key -e AWS_ACCESS_KEY_ID=access_key_id -e AWS_SECRET_ACCESS_KEY=secret_access_key common-mlops . ``` # References - https://test.pypi.org/project/common-mlops - https://pypi.org/project/common-mlops - https://anno-ai.medium.com/mlops-and-data-managing-large-ml-datasets-with-dvc-and-s3-part-1-d5b8f2fb8280 - https://martinfowler.com/articles/cd4ml.html - https://christophergs.com/machine%20learning/2020/03/14/how-to-monitor-machine-learning-models/

نیازمندی

مقدار	نام
>=1.16.61	boto3
>=1.2.0	pandas
>=4.0.2	gitdb2
>=2.0.1	dvc
>=0.0.3	s3-streaming
>=4.2.0	smart-open
>=0.24.1	scikit-learn

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl common-mlops-0.1.1:

pip install common-mlops-0.1.1.whl

نصب پکیج tar.gz common-mlops-0.1.1:

pip install common-mlops-0.1.1.tar.gz