Fase pengembangan

MLOps untuk Bisnis

Arne Jonas Warnke

Head of Emerging Curriculum

Langkah penting di fase pengembangan

Fase pengembangan

Persiapan data atau rekayasa fitur

Persiapan data

Persiapan data atau rekayasa fitur

Di sini,

Sediakan di basis data terpusat
Format data agar dapat dikonsumsi model ML
Rekayasa fitur
- Mengelompokkan data
- Ganti data hilang
- Tangani observasi ekstrem

Pihak terlibat

Data engineer, data scientist, dan business expert

$$

Lembar dengan angka

Pelatihan atau eksperimen model

Pengembangan dan pelatihan model

Pelatihan atau eksperimen model

Tugas:

Latih dan setel model pembelajaran mesin
Bandingkan dengan alternatif
Nilai kinerjanya

Penting

Catat semua hasil secara otomatis

Tugas

Data scientist / machine learning engineer

$$

Hibrida manusia dan robot menulis kode

Evaluasi model

Evaluasi model

Evaluasi model

$$

Seseorang mengevaluasi kode

Kami memeriksa:

Apakah kebutuhan bisnis terpenuhi?
- mis., privasi data
Stress test model
- simulasi kondisi ekstrem
Perilaku model
- fairness?

$$

Tugas

Data scientist / machine learning engineer

Pengujian dan verifikasi

Pengujian dan verifikasi

Pengujian dan verifikasi

Terapkan rekayasa perangkat lunak

Pengujian dan
Praktik terbaik

pada model ML, mis.,

Model tidak berdampak buruk pada sistem yang lebih luas

Tugas

Software engineer / machine learning engineer

Menguji kode

Mari praktik pengembangan model

MLOps untuk Bisnis

Preparing Video For Download...