Makine öğrenimi modellerini izlemenin önemi


Çevik geliştirme ekipleri, mikro hizmetlerin, uygulamaların ve veritabanlarının gözlemlenebilir olmasını, operasyonel sorunları belirlemek için izlemenin yerinde olmasını ve AIop’lar uyarıları yönetilebilir olaylarla ilişkilendirmek. Kullanıcılar ve iş paydaşları iyileştirmeler istediğinde, birçok devops ekibi geri bildirimleri işlemek ve yeni sürümleri dağıtmak için çevik metodolojileri takip eder.

Az sayıda istek olsa bile, geliştirici ekipleri uygulamaları yükseltmeleri ve temel bileşenleri düzeltmeleri gerektiğini bilir; aksi takdirde bugün geliştirilen yazılım yarının teknik borç.

Makine öğrenimi modellerinin yaşam döngüsü yönetimi, yazılımdan daha karmaşıktır. WhyLabs’ın kurucu ortağı ve mühendislik başkanı Andy Dang şöyle açıklıyor: “Model geliştirme yaşam döngüsü, yazılım geliştirme yaşam döngüsüne yüksek bir seviyeden benziyor, ancak çok daha karmaşık. Yazılımı kod olarak ele alıyoruz, ancak bir ML modelinin temeli olan veriler karmaşık, oldukça boyutlu ve davranışı tahmin edilemez.”

Kod, bileşenler ve altyapıya ek olarak modeller, algoritmalar, yapılandırma ve eğitim veri kümeleri kullanılarak oluşturulur. Bunlar tasarım zamanında seçilir ve optimize edilir, ancak varsayımlar ve verilerin zaman içinde değişmesi nedeniyle güncellenmesi gerekir.

Makine öğrenimi modellerini neden izlemeli?

Performans, güvenilirlik ve hata koşulları için izleme uygulamaları gibi, makine öğrenimi modeli izleme de veri bilimcilerin model performansı üzerinde görünürlük sağlar. ML izleme, modeller tahminler için kullanıldığında veya ML yüksek değişkenliğe sahip veri kümelerinde çalıştığında özellikle önemlidir.

Iterative’in kurucu ortağı ve CEO’su Dmitry Petrov, “ML ekipleri modellerini geliştirmek ve her şeyin istendiği gibi çalışmasını sağlamak istediğinden, model izlemeyle ilgili ana hedefler performans ve sorun gidermeye odaklanıyor” diyor.

Telif Hakkı © 2022 IDG Communications, Inc.


Kaynak : https://www.infoworld.com/article/3675389/the-importance-of-monitoring-machine-learning-models.html#tk.rss_all

Yorum yapın