Публикации по теме 'ml-pipeline'
Производство моделей машинного обучения
Внедрение моделей в производство - дело сложное
Самая большая проблема в жизненном цикле проекта машинного обучения заключается не в том, чтобы создать хороший алгоритм или обобщить результаты, или получить хорошие прогнозы или лучшую точность. Самая большая проблема - запустить системы машинного обучения в производство. Одна из известных истин в мире машинного обучения заключается в том, что только небольшая часть реальной системы машинного обучения состоит из кода машинного..
Сравнительное исследование вычислительных платформ Azure
Хотите знать, что лучше всего подходит для вашего приложения машинного обучения в Microsoft Azure? Это исследование может помочь вам выбрать наиболее подходящую платформу для ваших целей.
Параметры вычислений в Azure
Azure предоставляет разные вычислительные платформы для разных сценариев использования. Вот список доступных опций в Azure:
Azure Databricks Пакет Azure Вычисления Azure ML
Эти платформы созданы, чтобы помочь пользователям быстро наладить работу. Помимо..
Важные шаги в конвейере машинного обучения
Каждый проект машинного обучения состоит из нескольких этапов. Чтобы создать приложение ML, нам нужно выполнить все шаги. Все эти шаги составляют конвейер каждого проекта машинного обучения. Шаги, задействованные в этом конвейере:
Сбор данных Создание гипотезы Исследовательский анализ данных (EDA) Предварительная обработка данных Разработка функций Выбор модели Обучение и оценка модели Настройка гиперпараметров Развертывание модели
После сбора данных и генерации гипотез..
Создание сервисов ML означает объединение культур разработки
Примерно в 2017 году в моей компании шли ожесточенные споры о том, какие команды разработчиков за какие части разработки отвечают. Большинство дискуссий вращались вокруг работы The Framework и работы The Algorithm, и нам потребовался месяц, чтобы понять, что каждый человек в комнате использует эти термины по-разному.
Что такое Алгоритм?
Для пользователя нет никаких рамок. Я хочу запустить алгоритм, запускаю его и вижу результат.
О, глупые пользователи. Очевидно, что мы,..
MLOps для улучшения конвейеров машинного обучения в фрагментированной системе
Фрагментация является серьезной проблемой в этой отрасли. Специалисты по данным тратят около 80% своего времени на управление данными и их подготовку к анализу. Об этом свидетельствуют данные опроса Forbes. Это время можно было бы лучше потратить на создание лучших моделей и их интеграцию в готовые к использованию приложения. Если бы эта проблема была решена, это привело бы к значительному развитию отрасли. Существует недостаточно инструментов MLOps, на которые могут положиться..
Конвейеры машинного обучения: все, что вам нужно знать
Конвейер машинного обучения является основой многих систем машинного обучения. Они позволяют специалистам по данным брать необработанные данные и превращать их в информацию, используемую в реальных приложениях.
Однако они делают гораздо больше, чем просто превращают данные в информацию! В наши дни конвейеры машинного обучения имеют решающее значение для процессов многих предприятий. Таким образом, понимание того, как построение конвейеров машинного обучения влияет на ваше будущее,..
MLOps 101 - Что, зачем и как начать сегодня
В последние годы развитие искусственного интеллекта стало повсеместным, современные модели ежедневно открываются в открытом доступе, и компании борются за лучших специалистов по обработке данных и инженеров по машинному обучению, все с одной целью: создавать огромная ценность за счет использования возможностей искусственного интеллекта. Звучит здорово, но реальность сурова, так как обычно лишь небольшой процент моделей попадает в производство и остается там.
В этом сообщении блога мы..
