GitHub 中 MLOps 实践的初步调查
软件工程
2022-09-26 v1 机器学习
摘要
背景。机器学习（ML）应用的迅速增长与普及导致对 MLOps（即 ML 赋能系统的持续集成与部署（CI/CD）实践）的兴趣日益增加。目标。由于变更不仅可能影响代码，还可能影响 ML 模型参数及数据本身，传统 CI/CD 的自动化需要被扩展以管理生产环境中的模型重训练。方法。本文中，我们对从 GitHub 获取的一组 ML 赋能系统中实现的 MLOps 实践进行初步调查，聚焦于 GitHub Actions 与 CML 两种用于自动化开发工作流的方案。结果。我们的初步结果表明，开源 GitHub 项目中对 MLOps 工作流的采用目前相当有限。结论。我们也识别出若干问题，可为未来研究工作提供指导。
引用
@article{arxiv.2209.11453,
title = {A Preliminary Investigation of MLOps Practices in GitHub},
author = {Fabio Calefato and Filippo Lanubile and Luigi Quaranta},
journal= {arXiv preprint arXiv:2209.11453},
year = {2022}
}
备注
Presented at ESEM '22, the 16th ACM / IEEE International Symposium on Empirical Software Engineering and Measurement