ขั้นตอนการพัฒนา

MLOps สำหรับธุรกิจ

Arne Jonas Warnke

Head of Emerging Curriculum

ขั้นตอนสำคัญในการพัฒนา

  Development phase

MLOps สำหรับธุรกิจ

การเตรียมข้อมูลหรือ Feature Engineering

  Data preparation

MLOps สำหรับธุรกิจ

การเตรียมข้อมูลหรือ Feature Engineering

ขั้นตอนนี้

  • รวมข้อมูลไว้ในฐานข้อมูลกลาง
  • จัดรูปแบบข้อมูลให้โมเดล ML ใช้งานได้
  • Feature Engineering
    • จัดกลุ่มข้อมูล
    • เติมข้อมูลที่หายไป
    • จัดการค่าผิดปกติ

ผู้ที่เกี่ยวข้อง

  • Data engineer, data scientist และ business expert

$$

A sheet with numbers

MLOps สำหรับธุรกิจ

การฝึกโมเดลและการทดลอง

Model development and training

MLOps สำหรับธุรกิจ

การฝึกโมเดลและการทดลอง

งาน:

  • ฝึกและปรับแต่งโมเดล machine learning
  • เปรียบเทียบกับตัวเลือกอื่น
  • ประเมินประสิทธิภาพ

สำคัญ

  • บันทึกผลลัพธ์ทั้งหมดอัตโนมัติ

 

หน้าที่ของ

  • Data scientist / machine learning engineer

$$

A hybrid of a human and robot writing code

MLOps สำหรับธุรกิจ

การประเมินโมเดล

Model evaluation

MLOps สำหรับธุรกิจ

การประเมินโมเดล

$$

A human evaluating code

ตรวจสอบในขั้นตอนนี้

  • ตอบโจทย์ธุรกิจหรือไม่?
    • เช่น ความเป็นส่วนตัวของข้อมูล
  • Stress test โมเดล
    • จำลองสถานการณ์สุดขีด
  • พฤติกรรมของโมเดล
    • มีความ fairness หรือไม่?

$$

หน้าที่ของ

  • Data scientist / machine learning engineer
MLOps สำหรับธุรกิจ

การทดสอบและการตรวจสอบ

Testing and verification

MLOps สำหรับธุรกิจ

การทดสอบและการตรวจสอบ

นำหลักการ software engineering

  • การทดสอบ และ
  • Best practices

มาใช้กับโมเดล ML เช่น

  • โมเดลไม่ส่งผลกระทบที่เป็นอันตรายต่อระบบโดยรวม

หน้าที่ของ

  • Software engineer / machine learning engineer

Testing code

MLOps สำหรับธุรกิจ

มาฝึกกันเถอะ!

MLOps สำหรับธุรกิจ

Preparing Video For Download...