Faza rozwoju

MLOps dla biznesu

Arne Jonas Warnke

Head of Emerging Curriculum

Kluczowe etapy fazy rozwoju

Faza rozwoju

Przygotowanie danych lub inżynieria cech

Przygotowanie danych

Przygotowanie danych lub inżynieria cech

Tutaj:

Udostępnienie danych w centralnej bazie
Formatowanie danych dla modeli ML
Inżynieria cech
- Grupowanie danych
- Uzupełnianie brakujących danych
- Obsługa wartości ekstremalnych

Osoby zaangażowane

Inżynier danych, data scientist i ekspert biznesowy

$$

Arkusz z liczbami

Trenowanie modelu lub eksperymentowanie

Rozwój i trenowanie modelu

Trenowanie modelu lub eksperymentowanie

Zadania:

Trenowanie i dostrajanie modelu ML
Porównanie z alternatywami
Ocena wydajności

Ważne

Automatyczne rejestrowanie wyników

Zadanie

Data scientist / inżynier ML

$$

Hybryda człowieka i robota piszącego kod

Ocena modelu

Ocena modelu

Ocena modelu

$$

Człowiek oceniający kod

Sprawdzamy tutaj:

Czy wymagania biznesowe są spełnione?
- np. prywatność danych
Test warunków skrajnych modelu
- symulacja ekstremalnych warunków
Zachowanie modelu
- rzetelność?

$$

Zadanie

Data scientist / inżynier ML

Testowanie i weryfikacja

Testowanie i weryfikacja

Testowanie i weryfikacja

Zastosowanie inżynierii oprogramowania

Testy i
Dobre praktyki

do modelu ML, np.

Model nie szkodzi szerszemu systemowi

Zadanie

Inżynier oprogramowania / inżynier ML

Testowanie kodu

Ćwiczenie: rozwój modelu

MLOps dla biznesu

Preparing Video For Download...