Seguimiento de experimentos

Conceptos de MLOps

Folkert Stijnman

ML Engineer

El experimento de machine learning

ingredientes de un experimento de machine learning

Conceptos de MLOps

¿Por qué es importante el seguimiento de experimentos?

En cada experimento se pueden configurar estos factores:

configuraciones de machine learning

Conceptos de MLOps

Uso del seguimiento en el ciclo de vida de ML

El seguimiento de experimentos ayuda a:

  • Comparar resultados
  • Reproducir experimentos pasados
  • Colaborar con desarrolladores y stakeholders
  • Informar resultados a stakeholders
Conceptos de MLOps

¿Cómo hacer el seguimiento?

Herramienta Pros Contras
Hoja de cálculo Simple, fácil de usar Mucho trabajo manual
Plataforma propietaria Solución a medida para nuestro proceso Requiere tiempo y esfuerzo
Herramienta específica Diseñada para experimentos Hay que familiarizarse con la herramienta

 

Conceptos de MLOps

Un experimento de machine learning

Ejemplos de experimentos de machine learning

Conceptos de MLOps

El proceso experimental

  1. Formular una hipótesis: "Esperamos que..."
  2. Reunir imágenes y etiquetas
  3. Definir experimentos: tipos de modelos, hiperparámetros, conjuntos de datos
  4. Configurar el seguimiento de experimentos
  5. Entrenar el/los modelo(s) de ML
  6. Probar los modelos en un conjunto de test retenido
  7. Registrar el modelo más adecuado
  8. Visualizar, informar al equipo y stakeholders y definir próximos pasos

entrenamiento y prueba de modelos de machine learning

Conceptos de MLOps

¡Vamos a practicar!

Conceptos de MLOps

Preparing Video For Download...