Projektowanie kompleksowego przypadku użycia ML

End-to-End Machine Learning

Joshua Stapleton

Machine Learning Engineer

Studium przypadku

  • Przewidywanie chorób serca
  • Cel: wspieranie decyzji kardiologów

CardioCare

Lekarz z pacjentem

1 Image source: https://www.flaticon.com/free-icons/doctor
End-to-End Machine Learning

Rola modelu

  • Modele mogą informować, ale nie powinny podejmować decyzji
  • Szczególnie ważne w opiece zdrowotnej

 

Schemat blokowy pokazujący binarną klasyfikację: choroba serca / brak choroby serca na podstawie danych pacjenta

End-to-End Machine Learning

Cykl życia uczenia maszynowego

  Schemat blokowy cyklu życia uczenia maszynowego: zrozumienie problemu, zbieranie i przygotowanie danych, opracowanie i dostrajanie modelu, ocena modelu, wdrożenie oraz monitorowanie. Proces powtarza się podczas doskonalenia systemu

End-to-End Machine Learning

Zrozumienie wymagań użytkowników końcowych

Dokładność

  Tarcza do rzutek jako metafora dokładności

Niezawodność

  Łańcuch jako metafora niezawodności

Bezpieczeństwo

  Lupa jako metafora interpretowalności i dokładniejszego przyglądania się

Interpretowalność

  Lupa jako metafora interpretowalności i dokładniejszego przyglądania się

End-to-End Machine Learning

Zbieranie danych

  • Zbieranie odpowiednich danych
    • Prywatny zbiór danych firmy
    • Publiczny zbiór danych

 

  • Zrozumienie danych i kontekstu
    • Reprezentacja i pomiar
    • Potencjalne uprzedzenia

Grafika przedstawiająca proces zbierania danych: odpowiednie elektroniczne kartoteki zdrowotne są wyodrębniane z zastrzeżonych lub publicznych zbiorów danych

End-to-End Machine Learning

Czas na ćwiczenia!

End-to-End Machine Learning

Preparing Video For Download...