Retraining-Pipelines automatisieren
Von neuen Daten bis zum erneut bereitgestellten Modell.
Retraining-Pipelines automatisieren ist eine kostenlose Deep Learning Academy-Lektion auf CoddyKit. Dies ist Lektion 4 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Deep Learning Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Deep Learning Academy-Kurs umfasst insgesamt 4 Lektionen.
Modelle müssen aktualisiert werden
Sobald Drift auftritt, muss ein Modell aus neuen Daten lernen. Dies jedes Mal manuell zu erledigen, ist langsam und fehleranfällig, daher erstellen wir eine Pipeline. 🔄
Was ist eine Pipeline?
Eine Retraining-Pipeline ist einfach eine Kette automatischer Schritte. Jede Stufe wird der Reihe nach ausgeführt und übergibt ihre Ausgabe ohne manuelle Eingriffe an die nächste Stufe.
Stufe eins: Aktuelle Daten abrufen
Die Pipeline beginnt damit, die neuesten Beispiele abzurufen. Dieser Schritt der Datenaufnahme sammelt neue Datensätze und versioniert sie, damit der Lauf reproduzierbar bleibt.
def fetch_data():
return load_latest("prod_logs")Stufe zwei: Trainieren
Anschließend trainiert die Pipeline mit den kombinierten Daten ein aktuelles Modell. Dieser Trainingsschritt verwendet Ihre bestehende Schleife erneut, läuft aber zeitgesteuert und unbeaufsichtigt.
def train(data):
model = build_model()
return fit(model, data)Stufe drei: Evaluieren
Veröffentlichen Sie niemals blind. Ein Evaluierungsschritt bewertet das neue Modell anhand eines zurückgehaltenen Datensatzes, damit Sie wissen, dass es tatsächlich besser und nicht nur neuer ist.
score = evaluate(model, test_set)Qualität als Freigabekriterium
Geben Sie ein Modell nur frei, wenn es sich diese Freigabe verdient. Ein einfaches Gate vergleicht den neuen Wert mit dem Wert des laufenden Modells und verhindert, dass eine Verschlechterung Nutzerinnen und Nutzer erreicht.
if score > current_score:
deploy(model)Nach Zeitplan auslösen
Pipelines laufen häufig zeitgesteuert. Ein cron-Trigger wird jeden Abend oder jede Woche ausgelöst, sodass das Retraining regelmäßig stattfindet, ohne dass jemand daran denken muss, es zu starten.
0 3 * * 0 python pipeline.pyOder bei Drift auslösen
Noch besser: Lassen Sie die Überwachung die Pipeline starten. Wenn Ihre Drift-Prüfung einen Alarm auslöst, startet sie als Ereignis das Retraining, sodass Sie schnell reagieren.
Orchestratoren führen alles aus
Werkzeuge wie Airflow oder Prefect verbinden die Stufen, wiederholen fehlgeschlagene Schritte und zeigen übersichtlich, was wann ausgeführt wurde und ob es erfolgreich war.
Schließen Sie die Schleife
Ein bereitgestelltes Modell liefert neue Logs, die Überwachung erkennt Drift, die Pipeline trainiert das Modell neu und ein besseres Modell wird veröffentlicht. Diese selbstheilende Schleife ist das Ziel von MLOps.
Automatisierung schafft Freiraum
Wenn die Schleife läuft, müssen Sie nicht mehr ständig Probleme beheben, sondern können Verbesserungen vorantreiben. Das System hält die Modelle aktuell, während Sie sich auf echte Experimente konzentrieren. 🚀
Schnelltest
Was verhindert, dass automatisch ein schlechteres Modell bereitgestellt wird?
Zusammenfassung
Sie haben gelernt, das Retraining zu automatisieren: Daten abzurufen, zu trainieren, zu evaluieren, die Qualität als Freigabekriterium zu verwenden, nach Zeitplan oder bei Drift auszulösen und die MLOps-Schleife zu schließen. 🎉
Lerne Python mit einem KI-Tutor — kostenlos
Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.
- Kurse
- 30
- Lektionen
- 120
Häufig gestellte Fragen
Ist die Lektion „Retraining-Pipelines automatisieren“ kostenlos?
Ja — der vollständige Text von „Retraining-Pipelines automatisieren“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Deep Learning Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Deep Learning Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Retraining-Pipelines automatisieren“?
Von neuen Daten bis zum erneut bereitgestellten Modell. Du übst Deep Learning Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um Deep Learning Academy zu starten?
Keine Vorkenntnisse erforderlich. Deep Learning Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 4.
Wie lange dauert die Lektion „Retraining-Pipelines automatisieren“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser Deep Learning Academy-Lektion Code schreiben und ausführen?
Ja. Jede Deep Learning Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Experimente mit Weights & Biases verfolgen
- Daten und Modelle versionieren
- Daten- und Modelldrift erkennen
- Retraining-Pipelines automatisieren