Richt je op een solide datafundering en tooling
Goede, kwalitatieve data is op zichzelf al een grote uitdaging. We raden bedrijven die machine learning, artificial intelligence en data science willen benutten aan om Monica Rogati’s AI Hierarchy of Needs te bekijken, waarin machine learning dicht bij de top staat als een van de laatste puzzelstukjes.
Bron: Hackernoon
Deze hiërarchie laat zien dat je, voordat je met machine learning aan de slag kunt, een solide datafundering nodig hebt en tools voor het extraheren, laden en transformeren van data (ETL), evenals tools voor het opschonen en aggregeren van data uit uiteenlopende bronnen.
Dit vereist sterke data-engineeringpraktijken—je zult databases moeten benutten, begrijpen hoe je data correct verwerkt, je workflows plannen en gebruikmaken van cloud computing.
Zet daarom eerst je data engineering-, data science- en data-analysefuncties op voordat je je eerste machine learning engineer aanneemt.
Pas op voor bias in je data en algoritmen
Machine learning is maar zo goed als de data die je erin stopt. Als je data bevooroordeeld is, is je model dat ook. Zo bouwde Amazon een ML-wervingstool om het succes van sollicitanten te voorspellen op basis van cv’s met tien jaar aan trainingsdata die mannen bevoordeelde vanwege de historische mannelijke dominantie in de techsector—waardoor de ML-tool ook bevooroordeeld raakte tegen vrouwen.
Dit is waarom data-ethiek de afgelopen jaren zo’n belangrijk onderwerp is geworden. Naarmate er steeds meer data wordt gegenereerd, groeit ook de impact van hoe die data wordt gebruikt. Dit vraagt om principieel nadenken en monitoren. Zoals Cassie Kozyrkov, Chief Decision Scientist bij Google, het verwoordt: een leraar is maar zo goed als de boeken die hij of zij gebruikt om leerlingen te onderwijzen. Als de boeken bevooroordeeld zijn, zijn de lessen dat ook.
Houd je model in de gaten en verbeter het
Onthoud dat het werk van machine learning niet stopt wanneer je model in productie staat, voorspellingen doet of classificaties uitvoert. Modellen die zijn uitgerold en aan het werk zijn, moeten nog steeds worden gemonitord en onderhouden.
Als je een model hebt dat creditcardfraude voorspelt op basis van transactiegegevens, krijg je nuttige informatie elke keer dat je model een voorspelling doet en jij daarop handelt. Daarbovenop kan de activiteit die je probeert te monitoren en voorspellen—in dit geval creditcardfraude—dynamisch zijn en in de loop van de tijd veranderen. Dit proces, waarbij de gegenereerde data voortdurend in beweging is, heet data drift—en het bewijst hoe essentieel het is om je model regelmatig bij te werken.
Bron: DataBricks
