Psaní efektivní dokumentace ML

Developing Machine Learning Models for Production

Sinan Ozdemir

Data Scientist, Entrepreneur, and Author

Složky kvalitní dokumentace ML

  • Zdroje dat
  • Datová schémata
  • Metody označování
  • Experimentování a výběr modelu
  • Tréninkové prostředí
  • Pseudokód modelu
Developing Machine Learning Models for Production

Dokumentace zdrojů dat

Umožňuje zavést procesy hodnocení kvality dat.

Přináší také další výhody:

  • Sledování původu dat.
  • Vyhodnocování a zlepšování kvality dat.

zdroje

Developing Machine Learning Models for Production

Datová schémata

Struktura popisující organizaci dat.

Příklad schématu relační databáze:

Klíč databáze Datový typ Pořadí dat
Person.name string nominal
Person.survey_score integer ordinal

schéma

Developing Machine Learning Models for Production

Metody označování (pro klasifikaci)

Dokumentace označování cílové proměnné zlepšuje:

  1. Reprodukovatelnost tréninkového pipeline.

  2. Spolehlivost modelu díky kvalitě štítků.

  3. Výkon modelu díky zlepšování štítků.

výběr

Metody označování se mohou v čase vyvíjet.

Developing Machine Learning Models for Production

Pseudokód modelu

Vizuální znázornění různých kroků při tvorbě modelu strojového učení.

Často zahrnuje:

  • Kroky přípravy příznaků.
  • Komponenty ansámblového pipeline.
  • Příklady vstupů a výstupů modelu.
Developing Machine Learning Models for Production

Experimentování a výběr modelu

Dokumentace procesu experimentování a výběru nejlepšího modelu zahrnuje:

  • Proces vývoje modelu.
  • Zvažované modely.
  • Použité metriky.
  • Kombinace hyperparametrů pro každý model.

výběr

Developing Machine Learning Models for Production

Tréninkové prostředí

Dokumentace tréninkového prostředí by měla zahrnovat:

  • Použité balíčky s verzemi (např. scikit-learn==1.1.3).
  • Náhodná semena pro nedeterministický trénink (např. algoritmy redukce dimenzionality).

Proč?

  • Možnost reprodukovat výsledky modelů strojového učení.
  • Zajištění konzistence mezi tréninkem a produkčním nasazením.
Developing Machine Learning Models for Production

Pojďme si procvičit!

Developing Machine Learning Models for Production

Preparing Video For Download...