Diseñar un caso de uso de aprendizaje automático de extremo a extremo

Machine Learning de extremo a extremo

Joshua Stapleton

Machine Learning Engineer

El caso de estudio

  • Predicción de cardiopatías
  • Objetivo: apoyar las decisiones de cardiólogos

CardioCare

Médico con paciente

1 Fuente de la imagen: https://www.flaticon.com/free-icons/doctor
Machine Learning de extremo a extremo

El papel del modelo

  • Los modelos pueden informar, pero no deben tomar decisiones
  • Especialmente importante en sanidad

 

Un diagrama de flujo que muestra la clasificación binaria: cardiopatía / no cardiopatía según los datos del paciente

Machine Learning de extremo a extremo

Ciclo de vida del aprendizaje automático

  Diagrama de flujo del ciclo de vida del aprendizaje automático: comprensión del problema, recopilación y preparación de datos, desarrollo y ajuste del modelo, evaluación, despliegue y, por último, monitorización. El proceso se repite al refinar el sistema

Machine Learning de extremo a extremo

Entender los requisitos del usuario final

Exactitud

  Una diana como metáfora de la exactitud

Fiabilidad

  Una cadena como metáfora de la fiabilidad

Seguridad

  Una lupa como metáfora de la interpretabilidad y mirar de cerca

Interpretabilidad

  Una lupa como metáfora de la interpretabilidad y mirar de cerca

Machine Learning de extremo a extremo

Recopilación de datos

  • Recopila datos relevantes
    • Datos privados de la empresa
    • Datos públicos

 

  • Entiende los datos y el contexto
    • Representación y medición
    • Posibles sesgos

Gráfico del proceso de recopilación de datos: se extraen historiales clínicos electrónicos relevantes de conjuntos de datos propietarios o públicos

Machine Learning de extremo a extremo

¡Vamos a practicar!

Machine Learning de extremo a extremo

Preparing Video For Download...