開發階段

商務 MLOps

Arne Jonas Warnke

Head of Emerging Curriculum

開發階段的重要步驟

 

資料準備或特徵工程

 

資料準備或特徵工程

此處：

• 放入集中式資料庫
• 轉為 ML 模型可用的格式
• 特徵工程
  • 資料分組
  • 取代遺漏值
  • 處理極端觀測

參與角色

• 資料工程師、資料科學家、商務專家

$$

模型訓練或試驗

模型訓練或試驗

任務：

• 訓練並調校機器學習模型
• 與替代方案比較
• 評估效能

重點

• 自動記錄所有結果

 

負責角色

• 資料科學家／機器學習工程師

$$

模型評估

模型評估

$$

在此檢查：

• 是否滿足商務需求？
  • 例如資料隱私
• 模型「壓力測試」
  • 模擬極端情境
• 模型行為
  • 有無「公平性」？

$$

負責角色

• 資料科學家／機器學習工程師

測試與驗證

測試與驗證

將軟體工程的

• 測試與
• 最佳實務

套用到 ML 模型，例如

• 模型不會對整體系統造成傷害

負責角色

• 軟體工程師／機器學習工程師

一起來練習吧！模型開發

商務 MLOps