मशीन लर्निंग वर्कफ़्लो के लिए शुरुआती मार्गदर्शिका

डेटा साइंस में मशीन लर्निंग सबसे उपयोगी कौशलों में से एक है। मशीन लर्निंग के साथ, डेटा प्रैक्टिशनर प्रमुख डेटासेट्स पर भविष्यवाणियां कर सकते हैं, वर्कफ़्लोज़ को स्वचालित कर सकते हैं और इनसाइट्स निकाल सकते हैं। मशीन लर्निंग वर्कफ़्लो कैसा होता है? यह इन्फोग्राफिक मशीन लर्निंग वर्कफ़्लो का एक सरल रूप प्रस्तुत करता है। 

छवि पर क्लिक करके इस इन्फोग्राफिक को डाउनलोड करें

प्रोजेक्ट सेटअप

व्यावसायिक लक्ष्यों को समझें

अपने हितधारकों से बात करें और प्रस्तावित मॉडल के पीछे के व्यावसायिक लक्ष्य को गहराई से समझें। अपने व्यावसायिक लक्ष्यों की गहन समझ आपको आवश्यक तकनीकी समाधान का दायरा तय करने, एकत्र किए जाने वाले डेटा स्रोतों, मॉडल के प्रदर्शन का आकलन कैसे करें, आदि में मदद करेगी।

समस्या का समाधान चुनें

एक बार जब आप अपनी समस्या को गहराई से समझ लें—तो उस मॉडल श्रेणी पर ध्यान दें जो सबसे अधिक प्रभाव डालती है। अधिक जानकारी के लिए यह मशीन लर्निंग चीट शीट देखें। 

डेटा तैयारी

डेटा संग्रह

अपने मॉडलों के लिए आवश्यक सभी डेटा एकत्र करें, चाहे वह आपकी अपनी संस्था से हो, सार्वजनिक स्रोतों से या सशुल्क स्रोतों से।

डेटा सफाई

असंगठित कच्चे डेटा को साफ-सुथरे, सुव्यवस्थित डेटा में बदलें जो विश्लेषण के लिए तैयार हो। डेटा सफाई पर प्रारंभिक मार्गदर्शन के लिए यह डेटा क्लीनिंग चेकलिस्ट देखें। 

फ़ीचर इंजीनियरिंग

अपने डेटासेट्स में हेरफेर करके ऐसे चर (फ़ीचर्स) बनाएं जो आपके मॉडल की भविष्यवाणी सटीकता में सुधार करें। प्रशिक्षण सेट और परीक्षण सेट दोनों में वही फ़ीचर्स बनाएँ।

डेटा को विभाजित करें

डेटासेट में रिकॉर्ड्स को यादृच्छिक रूप से प्रशिक्षण सेट और परीक्षण सेट में बाँटें। मॉडल प्रदर्शन के अधिक विश्वसनीय आकलन के लिए, क्रॉस-वैलिडेशन का उपयोग करके कई प्रशिक्षण और परीक्षण सेट बनाएं।

मॉडलिंग

हाइपरपैरामीटर ट्यूनिंग

प्रत्येक मॉडल के लिए, मॉडल प्रदर्शन में सुधार करने हेतु हाइपरपैरामीटर ट्यूनिंग तकनीकों का उपयोग करें।

अपने मॉडलों को प्रशिक्षित करें

प्रत्येक मॉडल को प्रशिक्षण सेट पर फिट करें।

भविष्यवाणियाँ करें

परीक्षण सेट पर भविष्यवाणियाँ करें।

मॉडल प्रदर्शन का आकलन करें

प्रत्येक मॉडल के लिए, परीक्षण सेट पर सटीकता, रिकॉल और प्रिसीजन जैसे प्रदर्शन मेट्रिक्स की गणना करें।

परिनियोजन

मॉडल को परिनियोजित करें

चुने हुए मॉडल को डैशबोर्ड्स, अनुप्रयोगों या जहाँ भी आवश्यकता हो, वहाँ एम्बेड करें।

मॉडल प्रदर्शन की निगरानी करें

मॉडल ड्रिफ्ट से बचने के लिए, जैसे-जैसे आपका डेटा बदलता है, नियमित रूप से अपने मॉडल का प्रदर्शन जाँचते रहें।

अपने मॉडल में सुधार करें

परिनियोजन के बाद लगातार दोहराएँ और अपने मॉडल में सुधार करें। प्रदर्शन बेहतर करने के लिए अपने मॉडल को अद्यतन संस्करण से बदलें।