29 lines
3 KiB
Markdown
29 lines
3 KiB
Markdown
# Введение
|
||
|
||
Платформа SmartMLOps решает проблему технической сложности и ресурсозатратности размещения проектов в сфере искусственного интеллекта в виде веб-сервисов. Пользователям SmartMLOps не нужно изучать дополнительные программные решения, администрировать вычислительные ресурсы и решать вопросы безопасности.
|
||
|
||
Пользователям платформы, в частности, доступны:
|
||
|
||
- "Живая" демонстрация работы проекта на любых подходящих данных через веб-сервис
|
||
- Организация и проведение вычислительных экспериментов
|
||
- Управление пользователями, ограничение доступа
|
||
|
||
|
||
## Размещаемые проекты
|
||
|
||
|
||
Чтобы существующий проект мог быть развернут на платформе, он должен решать задачу с явно заданными входными и выходными данными: "получить данные A, B и C, произвести вычисления, вывести данные X, Y и Z".
|
||
|
||
- Хороший пример - оптическое распознавание символов. На входе изображение, на выходе текст с этого изображения.
|
||
- Плохой пример - приложение с базой данных, где основные взаимодействия с приложением регулярно обновляют эту базу данных.
|
||
- Хороший пример - вычислительная подзадача, которая выполняется на выборке из базы данных. На входе выборка, на выходе результат вычислений.
|
||
- Плохой пример - набор Jupyter-тетрадей, в которых задачи решаются последовательным вызовом ячеек с кодом.
|
||
- Хороший пример - тот же код, оформленный в виде скрипта `.py`.
|
||
|
||
|
||
Платформа предоставляет два варианта организации вычислительных задач:
|
||
|
||
1. Веб-сервис для быстрых синхронных вычислений - MLComponent
|
||
2. Асинхронный запуск вычислительных экспериментов - ExperimentPipeline
|
||
|
||
Как правило, если вычислительная задача требует доли секунды для выполнения, её разумно организовывать как ML-компонент, иначе - как пайплайн.
|