что такое мл-операции

Искусство надежного и экономичного развертывания и обслуживания моделей машинного обучения в производственной среде называется мл-операциями. Барьер между созданием и реализацией мл устраняется с помощью мл-операций.

Используя ml-ops, вы можете автоматизировать и отслеживать все этапы создания системы машинного обучения, включая интеграцию и запуск.

Только 2% созданных моделей, согласно исследованию deeplearning.ai, используются в реальном производстве.

когда каждый человек производит больше данных, чем когда-либо. Крайне важно, чтобы модели, построенные на основе исторических данных, в конечном итоге служили потребностям компании и приносили коммерческую ценность.

Шаги в мл-операций

  1. Определите цель организации.
  2. получить необходимые данные
  3. Выполнено исследование данных и извлечение признаков.
  4. выберите модель на основе ее точности и ошибки теста/обучения.
  5. Затем модель размещается на облачной платформе или собственной системе и отслеживается после развертывания.

Стоит ли расслабляться после развертывания модели?

После развертывания модели может возникнуть несколько проблем, поэтому желательно иметь механизм для непрерывного мониторинга модели. Ниже приведены некоторые шаги мониторинга после развертывания.

  1. Изменение качества данных: следует отслеживать изменения схемы исходных данных.
  2. пропущенные значения: изменение атрибутов в сохраненной информации.
  3. Дрейф данных: Дрейф данных происходит, когда изменяется базовое распределение данных. Дрейф следует исследовать с использованием различных статистических графиков и методов.
  4. Выброс: изучите наиболее значительные изменения функций и посмотрите, не повлияют ли они на точность и производительность модели.
  5. Дрейф модели: когда связь между функциями и метками больше не действует, возникает дрейф модели.