Fase di sviluppo

MLOps per il business

Arne Jonas Warnke

Head of Emerging Curriculum

Passi chiave nella fase di sviluppo

Fase di sviluppo

Preparazione dati o feature engineering

Preparazione dei dati

Preparazione dati o feature engineering

Qui,

Rendili disponibili in un database centrale
Formatta i dati per i modelli ML
Feature engineering
- Raggruppa i dati
- Sostituisci i mancanti
- Gestisci valori estremi

Figure coinvolte

Data engineer, data scientist e business expert

$$

Un foglio con numeri

Addestramento o sperimentazione del modello

Sviluppo e addestramento del modello

Addestramento o sperimentazione del modello

Attività:

Addestra e ottimizza il modello ML
Confrontalo con alternative
Valuta le prestazioni

Importante

Registra automaticamente tutti i risultati

Responsabili

Data scientist / machine learning engineer

$$

Un ibrido umano-robot che scrive codice

Valutazione del modello

Valutazione del modello

Valutazione del modello

$$

Una persona che valuta del codice

Qui verifichiamo

I requisiti di business sono soddisfatti?
- es. privacy dei dati
Stress test del modello
- simula condizioni estreme
Comportamento del modello
- è equo?

$$

Responsabili

Data scientist / machine learning engineer

Test e verifica

Test e verifica

Test e verifica

Applica ingegneria del software

Test e
Best practice

al modello ML, ad es.,

Il modello non danneggia il sistema più ampio

Responsabili

Software engineer / machine learning engineer

Test del codice

Esercitiamoci con lo sviluppo del modello

MLOps per il business

Preparing Video For Download...