ทำไมต้องมอนิเตอร์โมเดล

แนวคิดการ Monitoring Machine Learning

Hakim Elakhrass

Co-founder and CEO of NannyML

Machine learning ใน production

กระบวนการพัฒนาทั่วไป

ขั้นตอนประกอบด้วย 4 ส่วนหลัก ได้แก่ การกำหนดโปรเจกต์ การเตรียมข้อมูล การเทรนโมเดล และการ deploy

หลัง deploy

ภาพอัปเดตของกระบวนการพัฒนา data science ซึ่งเพิ่มขั้นตอนการมอนิเตอร์หลังการ deploy พร้อมลูกศรเชื่อมกลับไปยังขั้นตอนการเตรียมข้อมูล การเทรนโมเดล และการ deploy เพื่อให้สามารถปรับปรุงแบบวนซ้ำได้

แนวคิดการ Monitoring Machine Learning

ลดความเสี่ยงที่โมเดลจะล้มเหลว

กรณีของ Zillow

ป้ายขายบ้านหน้าบ้านหลังหนึ่ง

สาเหตุที่โมเดลอาจล้มเหลว:

  • ปัญหาด้านซอฟต์แวร์
  • ข้อมูล input ที่เกิด drift
  • ความสัมพันธ์ระหว่าง feature และ target เปลี่ยนแปลง
แนวคิดการ Monitoring Machine Learning

เพิ่มผลกระทบทางธุรกิจให้สูงสุด

 

  • ปรับโมเดลให้สอดคล้องกับเป้าหมายทางธุรกิจ

 

  • ลดค่าใช้จ่ายด้าน cloud

 

ภาพพีระมิดที่ประกอบด้วยบล็อกไม้ 6 ชิ้น ชั้นฐานแสดง KPI และชั้นที่เหลือแสดงถึงการเติบโต การบรรลุเป้าหมาย และประสิทธิภาพที่เพิ่มขึ้น

ภาพโลโก้ cloud ที่ประกอบด้วยบล็อกไม้ 9 ชิ้น

แนวคิดการ Monitoring Machine Learning

เพิ่มความปลอดภัยของ AI

ปัญหาด้านความปลอดภัย 3 ประการ:

  • Bias — ผลลัพธ์ที่เป็นธรรมสำหรับผู้ใช้ทุกกลุ่ม

 

  • Adversarial attacks — ตรวจจับการโจมตีข้อมูล input

 

  • ขาด explainability — เข้าใจวิธีที่โมเดลตัดสินใจ

 

ภาพบล็อกไม้ที่มีตราชั่ง สื่อถึงความเป็นธรรมและการลด bias ในระบบ

ภาพบล็อกไม้พร้อมกุญแจล็อก สื่อถึงความปลอดภัยที่เพิ่มขึ้น

ภาพบล็อกไม้พร้อมเส้นที่ยื่นออกมาจากรูปหัว สื่อถึงความเข้าใจระบบปัญญาประดิษฐ์ที่เพิ่มขึ้น

แนวคิดการ Monitoring Machine Learning

เปลี่ยนโลกด้วยข้อมูล

กระบวนการอัตโนมัติ

ภาพสายการผลิตแบบอัตโนมัติ

แนวคิดการ Monitoring Machine Learning

มาฝึกกันเถอะ!

แนวคิดการ Monitoring Machine Learning

Preparing Video For Download...