ความพร้อมใช้งานของ ground truth

แนวคิดการ Monitoring Machine Learning

Hakim Elakhrass

Co-founder and CEO of NannyML

Ground truth แบบทันที

ภาพรถแท็กซี่ที่เกี่ยวข้องกับการพยากรณ์เวลาถึงของแท็กซี่

  • วัดประสิทธิภาพจริง

  • ประเมินผลได้ง่าย

  • แม่นยำ

แนวคิดการ Monitoring Machine Learning

ข้อมูล production - แบบทันที

กราฟแสดงประสิทธิภาพของปัญหาการจำแนกประเภท โดย "reference period" แทนชุดข้อมูลทดสอบ และ "analysis period" แทนข้อมูล production ที่ไหลเข้ามา รวมถึงชุดข้อมูลแบบตารางที่เน้นค่า ground truth

แนวคิดการ Monitoring Machine Learning

Ground truth แบบล่าช้า

ภาพกระเป๋าเงินเปล่าที่เกี่ยวข้องกับการพยากรณ์การผิดนัดชำระสินเชื่อ

  • ระยะเวลาล่าช้าขึ้นอยู่กับแอปพลิเคชัน
  • ตัวอย่างเช่น การพยากรณ์การผิดนัดชำระสินเชื่อ
  • ไม่ทราบประสิทธิภาพในช่วงระหว่างนั้น
  • ต้องใช้การประมาณประสิทธิภาพ
แนวคิดการ Monitoring Machine Learning

ข้อมูล production - แบบล่าช้า

กราฟแสดงประสิทธิภาพของปัญหาการจำแนกประเภท โดย "reference period" แทนชุดข้อมูลทดสอบ และ "analysis period" แทนข้อมูล production ที่ไหลเข้ามา รวมถึงชุดข้อมูลแบบตารางที่เน้นค่า ground truth

แนวคิดการ Monitoring Machine Learning

Ground truth แบบไม่มี

ภาพกรมธรรม์ประกันภัยที่เกี่ยวข้องกับกรณีการกำหนดราคาประกัน

  • พบในกระบวนการอัตโนมัติเต็มรูปแบบ
  • ตัวอย่างเช่น การกำหนดราคาประกัน
  • ไม่ทราบประสิทธิภาพจริง
  • ต้องใช้การประมาณประสิทธิภาพ
แนวคิดการ Monitoring Machine Learning

ข้อมูล production - แบบไม่มี

กราฟแสดงประสิทธิภาพของปัญหาการจำแนกประเภท โดย "reference period" แทนชุดข้อมูลทดสอบ และ "analysis period" แทนข้อมูล production ที่ไหลเข้ามา รวมถึงชุดข้อมูลแบบตารางที่เน้นค่า ground truth

แนวคิดการ Monitoring Machine Learning

มาฝึกกันเถอะ!

แนวคิดการ Monitoring Machine Learning

Preparing Video For Download...