KAME

Digest of AI News Как построить production-grade ML пайплайн с ZenML: кастомные материализаторы и гиперпараметрический поиск Тutorial демонстрирует создание end-to-end машинного обучения пайплайна с использованием фреймворка ZenML. Показан процесс создания кастомного материализатора для доменно-специфичного объекта DatasetBundle, что позволяет бесшовно сериализовывать и извлекать метаданные. Пайплайн включает разделение данных, масштабирование, обучение нескольких моделей кандидата (Random Forest, Gradient Boosting, Logistic Regression) с логированием метаданных на каждом этапе, followed by fan-in шаг выбора лучшей модели на основе ROC AUC метрики. Автор подчеркивает преимущества подхода: полная воспроизводимость благодаря кэшированию, прозрачность через логирование артефактов и метрик, эффективность за счет повторного использования кэшированных компонентов. Демонстрация проводится на… ➡️➡️➡️