Utvecklingsfasen

MLOps för företag

Arne Jonas Warnke

Head of Emerging Curriculum

Viktiga steg i utvecklingsfasen

  Utvecklingsfasen

MLOps för företag

Dataförberedelse och särdragsteknik

  Dataförberedelse

MLOps för företag

Dataförberedelse och särdragsteknik

Här:

  • Gör data tillgänglig i en central databas
  • Formatera data så att ML-modeller kan använda den
  • Särdragsteknik
    • Gruppera data
    • Ersätt saknade värden
    • Hantera extremvärden

Involverade roller

  • Dataingenjör, datavetare och affärsexpert

$$

Ett ark med siffror

MLOps för företag

Modellträning och experiment

Modellutveckling och träning

MLOps för företag

Modellträning och experiment

Uppgifter:

  • Träna och finjustera maskininlärningsmodellen
  • Jämför med alternativa modeller
  • Utvärdera prestanda

Viktigt

  • Logga alla resultat automatiskt

 

Ansvarig roll

  • Datavetare / maskininlärningsingenjör

$$

En hybrid av människa och robot som skriver kod

MLOps för företag

Modellutvärdering

Modellutvärdering

MLOps för företag

Modellutvärdering

$$

En människa som utvärderar kod

Vi kontrollerar här

  • Uppfylls verksamhetskraven?
    • t.ex. dataintegritet
  • Stresstest av modellen
    • simulera extrema förhållanden
  • Modellbeteende
    • rättvisa?

$$

Ansvarig roll

  • Datavetare / maskininlärningsingenjör
MLOps för företag

Testning och verifiering

Testning och verifiering

MLOps för företag

Testning och verifiering

Tillämpa mjukvaruteknik

  • Tester och
  • bästa praxis

på ML-modellen, t.ex.

  • Modellen har ingen skadlig inverkan på det övergripande systemet

Ansvarig roll

  • Mjukvaruingenjör / maskininlärningsingenjör

Testning av kod

MLOps för företag

Nu kör vi en övning!

MLOps för företag

Preparing Video For Download...