การแก้ไขปัญหา

การติดตามตรวจสอบ Machine Learning ด้วย Python

Hakim Elakhrass

Co-founder and CEO of NannyML

ไม่ดำเนินการใดๆ

• ใช้ได้ดีเมื่อมีระบบมอนิเตอร์ที่ทำงานได้ดี
• ต้องวิเคราะห์ต้นทุนค่าเสียโอกาสและเข้าใจ use case อย่างถ่องแท้
• ตัวอย่างเช่น การประเมินจำนวนสายเข้า call center สูงเกินจริง

การเทรนโมเดลใหม่

• เทรนด้วยข้อมูลเก่าและใหม่ร่วมกัน
  • ทำให้โมเดลมีความทนทานมากขึ้น
  • เรียนรู้การกระจายของข้อมูลให้ได้มากที่สุด
• Fine-tune โมเดลเดิมด้วยข้อมูลใหม่
  • เพียงแค่ refit โมเดลด้วยข้อมูลใหม่
  • มีประสิทธิภาพมากกว่าการเทรนโมเดลใหม่ตั้งแต่ต้น
• การถ่วงน้ำหนักข้อมูล
  • ให้ความสำคัญกับข้อมูลล่าสุดมากขึ้น

การย้อนกลับไปใช้โมเดลเวอร์ชันก่อนหน้า

การเปลี่ยนกระบวนการทางธุรกิจ

• เปลี่ยนกฎทางธุรกิจ
• รันการวิเคราะห์ผลการทำนายด้วยตนเอง

มาฝึกกันเถอะ!

การติดตามตรวจสอบ Machine Learning ด้วย Python