Етап розробки

MLOps для бізнесу

Arne Jonas Warnke

Head of Emerging Curriculum

Важливі кроки на етапі розробки

Етап розробки

Підготовка даних або feature engineering

Підготовка даних

Підготовка даних або feature engineering

Тут:

Зробіть дані доступними в центральній базі
Форматуйте дані, придатні для моделей ML
Feature engineering
- Групування даних
- Замініть пропущені значення
- Опрацюйте викиди

Хто залучений

Data engineer, data scientist і business expert

$$

Аркуш із числами

Тренування моделі або експериментування

Розробка та тренування моделі

Тренування моделі або експериментування

Завдання:

Навчити й налаштувати модель машинного навчання
Порівняти з альтернативами
Оцінити продуктивність

Важливо

Автоматично логувати всі результати

Виконує

Data scientist / machine learning engineer

$$

Гібрид людини й робота, що пише код

Оцінювання моделі

Оцінювання моделі

Оцінювання моделі

$$

Людина оцінює код

Тут перевіряємо

Чи виконано бізнес-вимоги?
- напр., конфіденційність даних
Стрес-тест моделі
- змоделювати екстремальні умови
Поведінку моделі
- справедливість?

$$

Виконує

Data scientist / machine learning engineer

Тестування та верифікація

Тестування та верифікація

Тестування та верифікація

Застосуйте принципи розробки ПЗ:

Тести та
Найкращі практики

до моделі ML, напр.,

Модель не шкодить ширшій системі

Виконує

Software engineer / machine learning engineer

Тестування коду

Давайте потренуємось у розробці моделей

MLOps для бізнесу

Preparing Video For Download...