编写可维护的机器学习代码

面向生产环境的机器学习模型开发

Sinan Ozdemir

Data Scientist, Entrepreneur, and Author

项目结构化

• 将项目文件组织为清晰的结构
• 将相关文件归组
  • 将数据集与 ML 模型分别放入独立文件夹
• 确保文件命名与标注规范

示例项目结构

示例项目目录，含 README、依赖文件及三个子文件夹：data、models、notebooks

• README.md：说明仓库目的及使用方法。
• requirements.txt：列出所有依赖
• data：存放与数据相关的文件，含原始与处理后数据
• models：存放与模型相关的文件，包括建模脚本
• notebooks：用于数据探索、模型训练与评估的笔记本

代码版本控制

• 使用 git 等版本控制系统跟踪代码变更
• 必要时可回滚变更
• 有助于定位缺陷来源
• 便于并行协作

文档

• 编写代码与项目结构文档
• 说明每个文件与函数的用途
• 描述代码的使用方法
• 包含部署 ML 模型的说明

代码的适应性

• 更易于理解、修改和更新
• 降低修改代码库所需的时间与精力
• 更易适应数据、代码与需求的变化
• 更不易出错
• 更便于按需集成新功能或新技术
• 构建可持续演进的 ML 应用的关键

Passons à la pratique !

面向生产环境的机器学习模型开发