Modelini neden izlemen gerekiyor

Machine Learning İzleme Kavramları

Hakim Elakhrass

Co-founder and CEO of NannyML

Üretimde Machine learning

Tipik geliştirme süreci

Ok akışı dört temel öğeden oluşur: projeyi tanımlama, veriyi hazırlama, modeli eğitme ve yayına alma.

Yayına aldıktan sonra

Bu, veri bilimi geliştirme akışının güncellenmiş bir sürümüdür; yayına alma aşamasından sonra izleme için yeni bir ok içerir. Ayrıca, modeli izlemeden elde edilen içgörülere göre veri hazırlama, modeli eğitme ve yayına alma adımlarını yinelemeli olarak iyileştirmek için izleme aşamasını bu önceki aşamalara bağlayan oklar eklenmiştir.

Arıza riskini azaltma

Zillow örneği

Bir evin önünde satılık tabelası.

Modelin başarısız olma nedenleri:

Yazılım sorunları
Girdi verilerindeki kaymalar
Özelliklerle hedefler arasındaki ilişkinin değişmesi

İş etkisini en üst düzeye çıkarma

Modeli iş hedeflerine göre optimize etmek

Bulut maliyetlerini azaltmak

Görüntü altı tahta bloktan oluşan bir piramidi gösterir. Taban katmanda her bloktaki harften bir KPI oluşturulur. Kalan katmanlar büyümeyi, hedefe ulaşmayı ve verimlilik artışını temsil eder.

Görüntü, dokuz tahta bloktan oluşan bir bulut logosunu gösterir.

Yapay zekâ güvenliğini iyileştirme

Üç güvenlik sorunu:

Önyargı - farklı kullanıcı grupları için adil çıktı

Adversarial saldırılar - girdi verilerinin kötü niyetli manipülasyonunu tespit et

Açıklanabilirlik eksikliği - modelin nasıl karar verdiğini anlama

Görüntü, sistemde daha fazla adaleti ve azalan önyargıyı simgeleyen, üzerinde terazi olan bir tahta bloğun öne doğru hareket ettirildiğini gösterir.

Görüntü, artan güvenliği simgeleyen kilitli bir tahta bloğun öne doğru hareket ettirildiğini gösterir.

Görüntü, zekâ sistemine dair anlayışın arttığını temsil eden, baş siluetinden çıkan çizgiler olan bir tahta bloğun öne doğru hareket ettirildiğini gösterir.

Veriyle dünyayı değiştirmek

Otomasyon süreci

Görüntü otomatik bir üretim hattını gösterir.

Hadi pratik yapalım!

Machine Learning İzleme Kavramları