Fase di sviluppo

MLOps per il business

Arne Jonas Warnke

Head of Emerging Curriculum

Passi chiave nella fase di sviluppo

  Fase di sviluppo

MLOps per il business

Preparazione dati o feature engineering

  Preparazione dei dati

MLOps per il business

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

MLOps per il business

Addestramento o sperimentazione del modello

Sviluppo e addestramento del modello

MLOps per il business

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

MLOps per il business

Valutazione del modello

Valutazione del modello

MLOps per il business

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
MLOps per il business

Test e verifica

Test e verifica

MLOps per il business

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

MLOps per il business

Esercitiamoci con lo sviluppo del modello

MLOps per il business

Preparing Video For Download...