Concentrati su solide fondamenta dei dati e sugli strumenti
Avere dati di buona qualità è di per sé una grande sfida. Consigliamo alle aziende che vogliono sfruttare il machine learning, l’intelligenza artificiale e la data science di considerare la piramide dei bisogni dell’IA di Monica Rogati, in cui il machine learning è vicino alla cima come uno degli ultimi tasselli del puzzle.
Fonte: Hackernoon
Questa gerarchia mostra che, prima di poter fare machine learning, servono basi dati solide e strumenti per l’estrazione, il caricamento e la trasformazione dei dati (ETL), oltre a strumenti per pulire e aggregare dati provenienti da fonti eterogenee.
Questo richiede solide pratiche di data engineering: dovrai sfruttare i database, capire come processare correttamente i dati, programmare i workflow e utilizzare il cloud computing.
Quindi, prima di assumere il tuo primo machine learning engineer, dovresti prima strutturare le funzioni di data engineering, data science e data analysis.
Fai attenzione ai bias nei dati e negli algoritmi
Il machine learning può essere solo tanto buono quanto i dati che gli fornisci. Se i tuoi dati sono distorti, lo sarà anche il tuo modello. Per esempio, Amazon ha costruito uno strumento di selezione basato su ML per prevedere il successo dei candidati in base ai CV, con dieci anni di dati di training che favorivano gli uomini a causa della storica predominanza maschile nel settore tech—il che ha portato lo strumento a mostrare bias anche contro le donne.
Ecco perché l’etica dei dati è emersa come un tema così importante negli ultimi anni. Man mano che si generano sempre più dati, anche l’impatto del loro utilizzo cresce in modo significativo. Questo richiede considerazione rigorosa e monitoraggio. Come ha osservato per analogia Cassie Kozyrkov, Chief Decision Scientist di Google, un insegnante è valido solo quanto i libri che usa per insegnare agli studenti. Se i libri sono faziosi, lo saranno anche le loro lezioni.
Tieni d’occhio il tuo modello e miglioralo
Ricorda che il lavoro del machine learning non finisce quando il tuo modello è in produzione, fa previsioni o esegue classificazioni. I modelli distribuiti e operativi devono comunque essere monitorati e mantenuti.
Se hai un modello che prevede le frodi con carta di credito basandosi sui dati delle transazioni, ottieni informazioni utili ogni volta che il modello fa una previsione e tu agisci di conseguenza. Inoltre, l’attività che stai cercando di monitorare e prevedere—in questo caso, le frodi con carta di credito—può essere dinamica e cambiare nel tempo. Questo processo, in cui i dati generati sono in costante mutamento, si chiama data drift—e dimostra quanto sia essenziale aggiornare regolarmente il modello.
Fonte: DataBricks
