Термин «магазин функций» очень часто используется в наши дни. Этот пост пытается пролить свет и прояснить тему. Но прежде чем мы перейдем к магазинам функций, Что такое особенности? Элементы - это независимые свойства, которые действуют как входные данные для вашей модели. Рассмотрим модель y = f(x) Здесь x - ваш входной вектор, y - ваш выходной вектор, а f - ваша модель. Каждый столбец в x - это характеристики вашей модели. Модель машинного обучения учится на этой..

В этой главе рассматриваются материалы вводной лекции нашего курса "Машинное обучение в производственной среде". Остальные главы см. В оглавлении . В последнее время машинное обучение сделало возможным невероятный прогресс в возможностях программных систем, позволяя нам разрабатывать системы, которые казались бы научной фантастикой всего одно или два десятилетия назад, такие как медицинская помощь, персонализированные рекомендации, интерактивные боты с голосовым управлением и..

(Часть 1) – Для успешного развертывания модели машинного обучения требуется много рутинной работы, прежде чем мы даже начнем осознавать ее бизнес-преимущества. Более 60–70% усилий, затрачиваемых на проект ML, включают в себя то, что мы называем «склеиванием» — от EDA до подготовки функций QAed / набора аналитических данных; к перемещению окончательной модели в производство (кстати, развертывание в реальном времени — это кошмар! 😊). Эта клеевая работа обычно не является джазовой стороной..

В последнее время я много думал о роли специалиста по данным и о том, чем она отличается от роли инженера по машинному обучению. В целом, я рассматриваю инженеров по машинному обучению как подмножество специалистов по обработке данных - они достаточно хорошо осведомлены об алгоритмах, чтобы понимать и использовать их, но они также могут создавать код, необходимый для создания инфраструктуры, необходимой для использования и производства проекта машинного обучения. . Я твердо убежден,..

TL; DR; Я ищу способ предоставить специалистам по обработке данных инструменты для независимого развертывания растущего числа моделей с минимальными усилиями по разработке и DevOps для каждого развертывания. Рассмотрев несколько решений для обслуживания моделей, я пришел к выводу, что Seldon Core наиболее подходит для нужд этого проекта. Редактировать 27 августа 2021 г .: Я создал видеоурок для начала работы с Seldon Core, посмотрите его здесь: Учебное пособие по обслуживанию..

Команды Проверить ОС: cat /etc/os-release Проверить хранилище: df -h Проверить ЦП: cat /proc/cpuinfo Проверить оперативную память: cat /proc/meminfo Проверьте графический процессор: $ sudo apt-get install nvidia-smi $ nvidia-smi -stats Google Colab (блокнот Jupyter) Ссылка: https://colab.research.google.com/notebooks/welcome.ipynb ОС: Ubuntu 17.10 Искусный трубкозуб Графический процессор: (12 часов) графический процессор NVIDIA Tesla K80 × 1 ЦП: ЦП..