A fase de desenvolvimento

MLOps para Negócios

Arne Jonas Warnke

Head of Emerging Curriculum

Etapas importantes na fase de desenvolvimento

  Fase de desenvolvimento

MLOps para Negócios

Preparação de dados ou engenharia de atributos

  Preparação de dados

MLOps para Negócios

Preparação de dados ou engenharia de atributos

Aqui,

  • Disponibilizar em um banco de dados central
  • Formatar dados consumíveis por modelos de ML
  • Engenharia de atributos
    • Agrupar dados
    • Substituir dados ausentes
    • Tratar observações extremas

Pessoas envolvidas

  • Engenheiro/a de dados, cientista de dados e especialista de negócio

$$

Uma planilha com números

MLOps para Negócios

Treino do modelo ou experimentação

Desenvolvimento e treino do modelo

MLOps para Negócios

Treino do modelo ou experimentação

Tarefas:

  • Treinar e ajustar modelo de machine learning
  • Comparar com alternativas
  • Avaliar desempenho

Importante

  • Registrar automaticamente todos os resultados

 

Tarefa de

  • Cientista de dados / engenheiro/a de machine learning

$$

Um híbrido de humano e robô escrevendo código

MLOps para Negócios

Avaliação do modelo

Avaliação do modelo

MLOps para Negócios

Avaliação do modelo

$$

Uma pessoa avaliando código

Aqui verificamos

  • Os requisitos de negócio foram atendidos?
    • ex.: privacidade de dados
  • Stress test do modelo
    • simular condições extremas
  • Comportamento do modelo
    • fairness?

$$

Tarefa de

  • Cientista de dados / engenheiro/a de machine learning
MLOps para Negócios

Teste e verificação

Teste e verificação

MLOps para Negócios

Teste e verificação

Aplicar engenharia de software

  • Testes e
  • Boas práticas

no modelo de ML, por exemplo,

  • Modelo não causa impacto negativo no sistema mais amplo

Tarefa de

  • Engenheiro/a de software / engenheiro/a de machine learning

Testando código

MLOps para Negócios

Vamos praticar desenvolvimento de modelos

MLOps para Negócios

Preparing Video For Download...