Siklus umpan balik, pelatihan ulang, dan pelabelan

Machine Learning Ujung ke Ujung

Joshua Stapleton

Machine Learning Engineer

Siklus umpan balik

  • Keluaran model dipakai sebagai masukan sistem:
    • Gunakan metrik/prediksi untuk mengarahkan evolusi sistem
    • Dapat memakai pemantauan model

 

  • Bagian inti ML:
    • Memungkinkan pembelajaran dan penyesuaian cepat
    • Lebih adaptif terhadap perubahan

Dua panah siklik menunjukkan prinsip siklus umpan balik

Machine Learning Ujung ke Ujung

Implementasi siklus umpan balik

Deteksi pergeseran data

  • Distribusi data input berubah seiring waktu
  • Siklus umpan balik: latih ulang dengan data terbaru

Pembelajaran daring (online)

  • Secara berkala latih ulang mengikuti perubahan data
  • Melampaui pergeseran data: beradaptasi dengan perubahan struktur data

Pergeseran data

Pembelajaran daring

Machine Learning Ujung ke Ujung

Bahaya siklus umpan balik

Bahaya...

  • Keluaran model memengaruhi masukan
  • Contoh: rekomendasi media sosial:
    • Memaksimalkan keterlibatan pengguna
    • Belajar menyajikan jenis konten tertentu
    • Menyebabkan pengguna melihat lebih banyak konten itu
    • dst.
  • Mengembangkan pola perilaku yang tidak diinginkan
  • Lebih berbahaya saat otomatis

Tanda silang merah besar untuk bahaya

Machine Learning Ujung ke Ujung

Penggunaan siklus umpan balik yang lebih baik

  • Reaktif:

    • Manusia dalam proses
    • Prediksi model tidak mengubah data input

  • Kehati-hatian dan pengawasan sangat penting!

Tanda centang hijau besar untuk penggunaan yang lebih baik

Machine Learning Ujung ke Ujung

Ayo berlatih!

Machine Learning Ujung ke Ujung

Preparing Video For Download...