Geri bildirim döngüsü, yeniden eğitim ve etiketleme

Uçtan Uca Machine Learning

Joshua Stapleton

Machine Learning Engineer

Geri bildirim döngüsü

  • Model çıktısı, sistem girdisi olarak ele alınır:
    • Metrikler/tahminlerle sistem evrimini yönlendirme
    • Model izleme kullanılabilir

 

  • ML'nin ayrılmaz parçası:
    • Hızlı öğrenme ve ayarlama sağlar
    • Değişime daha iyi uyum sağlar

Geri bildirim döngüsü ilkesini gösteren iki döngüsel ok

Uçtan Uca Machine Learning

Geri bildirim döngüsü uygulaması

Veri kayması tespiti

  • Girdi veri dağılımı zamanla değişir
  • Geri bildirim döngüsü: daha yeni verilerle yeniden eğit

Çevrimiçi öğrenme

  • Değişen verilere göre periyodik yeniden eğitim
  • Veri kaymasının ötesinde: veri yapısındaki değişimlere uyum sağlar

Veri kayması

Çevrimiçi Öğrenme

Uçtan Uca Machine Learning

Geri bildirim döngülerinin tehlikeleri

Tehlikeler...

  • Model çıktıları girdileri etkiler
  • Örn: sosyal medya önerisi:
    • Kullanıcı etkileşimini ençoklaştır
    • Belirli içerik türünü sunmayı öğrenir
    • Kullanıcının bu içeriği daha çok görmesine yol açar
    • vb.
  • İstenmeyen davranış kalıpları geliştirir
  • Otomatikleştikçe daha tehlikelidir

Tehlike için büyük kırmızı çarpı

Uçtan Uca Machine Learning

Geri bildirim döngüsünü daha iyi kullanma

  • Tepkisel:

    • Süreçte insan
    • Modelin tahminleri girdi verisini değiştirmez

  • Dikkat ve denetim kritiktir!

Daha iyi kullanım için büyük yeşil onay işareti

Uçtan Uca Machine Learning

Haydi pratik yapalım!

Uçtan Uca Machine Learning

Preparing Video For Download...