Thử nghiệm

Thiết kế Pipeline Dự báo cho Môi trường Production

Rami Krispin

Senior Manager, Data Science and Engineering

Thử nghiệm

Pipeline dự báo

Tóm lược thử nghiệm

Phát biểu bài toán

Tóm lược thử nghiệm

Đặt giả thuyết

Tóm lược thử nghiệm

Kiểm định giả thuyết

Tóm lược thử nghiệm

Lặp lại quy trình cho các giả thuyết khác

Tóm lược thử nghiệm

Đi đến kết luận

Thử nghiệm trong dự báo

Thử nghiệm tìm ra cách tiếp cận mô hình (dự báo) tốt nhất cho từng câu hỏi.

Dữ liệu
Mô hình
Khung huấn luyện
KPI hiệu năng
Quy trình đăng ký mô hình
Chọn mô hình

Quy trình điển hình gồm dữ liệu > mô hình hóa > đăng ký mô hình > chọn mô hình

Thử nghiệm trong dự báo

DataFrame chứa nhiều mô hình dự báo và các chỉ số của chúng - MAPE, RMSE và Coverage

Thử nghiệm trong dự báo

DataFrame với mô hình AutoARIMA được đánh dấu

Tài liệu AutoARIMA hiển thị các tham số có thể dùng khi khởi tạo mô hình

Thử nghiệm trong dự báo

DataFrame với mô hình MSTL_ARIMA_trend được đánh dấu

Tài liệu MSTL_ARIMA_trend cho thấy có thể đặt bộ dự báo xu hướng khác

Quy trình làm việc

Quy trình train > test > evaluate > deploy > monitor > re-tune > lặp lại

Quy trình làm việc

Kiến trúc gồm dữ liệu > xử lý dữ liệu > backtesting > chấm điểm > ghi log và siêu dữ liệu

Quy trình làm việc

Xử lý dữ liệu

Quy trình làm việc

Backtesting

Quy trình làm việc

Chấm điểm

Quy trình làm việc

Ghi log

Quy trình làm việc

Thiết lập mô hình được định nghĩa trong tệp JSON

Quy trình làm việc

Công nghệ dùng trong kiến trúc - pandas cho xử lý dữ liệu, nixtla cho backtesting và chấm điểm, MLflow cho ghi log

Hãy thực hành!

Thiết kế Pipeline Dự báo cho Môi trường Production

Preparing Video For Download...