Śledzenie eksperymentów

Koncepcje MLOps

Folkert Stijnman

ML Engineer

Eksperyment uczenia maszynowego

składniki eksperymentu uczenia maszynowego

W każdym eksperymencie można skonfigurować następujące elementy:

konfiguracje uczenia maszynowego

Śledzenie eksperymentów umożliwia:

Narzędzie	Zaleta	Wada
Arkusz kalkulacyjny	Prosty i łatwy w użyciu	Wymaga dużo pracy ręcznej
Własna platforma	Rozwiązanie dostosowane do procesu	Wymaga czasu i nakładu pracy
Narzędzie do śledzenia eksperymentów	Zaprojektowane specjalnie do eksperymentów	Wymaga zapoznania się z narzędziem

przykłady eksperymentów uczenia maszynowego

Sformułowanie hipotezy: „Oczekujemy, że..."
Zebranie obrazów i etykiet
Zdefiniowanie eksperymentów, np. typów modeli, hiperparametrów, zbiorów danych
Konfiguracja śledzenia eksperymentów
Trenowanie modeli uczenia maszynowego
Testowanie modeli na wydzielonym zbiorze testowym
Rejestracja najbardziej odpowiedniego modelu
Wizualizacja i raportowanie wyników do zespołu i interesariuszy oraz ustalenie kolejnych kroków

trenowanie i testowanie modelu uczenia maszynowego

Koncepcje MLOps