Фаза разработки

MLOps для бизнеса

Arne Jonas Warnke

Head of Emerging Curriculum

Ключевые этапы фазы разработки

Фаза разработки

Подготовка данных и разработка признаков

Подготовка данных

Подготовка данных и разработка признаков

Здесь:

Сделать данные доступными в централизованной базе
Привести данные к формату, пригодному для ML-моделей
Разработка признаков
- Группировка данных
- Замена пропущенных значений
- Обработка выбросов

Участники

Инженер данных, специалист по данным и бизнес-эксперт

$$

Таблица с числами

Обучение модели и эксперименты

Разработка и обучение модели

Обучение модели и эксперименты

Задачи:

Обучить и настроить модель машинного обучения
Сравнить с альтернативами
Оценить качество

Важно

Автоматически фиксировать все результаты

Выполняет

Специалист по данным / инженер по машинному обучению

$$

Гибрид человека и робота, пишущий код

Оценка модели

Оценка модели

Оценка модели

$$

Человек, анализирующий код

Проверяем:

Выполнены ли бизнес-требования?
- например, конфиденциальность данных
Стресс-тест модели
- моделирование экстремальных условий
Поведение модели
- справедливость?

$$

Выполняет

Специалист по данным / инженер по машинному обучению

Тестирование и верификация

Тестирование и верификация

Тестирование и верификация

Применение методов программной инженерии:

Тесты и
лучшие практики

к ML-модели, например:

Модель не оказывает вредного влияния на систему в целом

Выполняет

Инженер-программист / инженер по машинному обучению

Тестирование кода

Давайте потренируемся!

MLOps для бизнеса

Preparing Video For Download...