Proiectarea fluxurilor de lucru pentru Machine Learning în Python

În capitolul anterior, ți-ai perfecționat cunoștințele despre fluxurile de lucru standard de învățare supervizată. În acest capitol, vei analiza critic modalitățile prin care cunoștințele de specialitate sunt integrate în învățarea supervizată. Acest lucru se realizează prin identificarea unității de analiză potrivite — care poate necesita ingineria caracteristicilor din mai multe surse de date —, prin procesul uneori imperfect de etichetare a exemplelor și prin specificarea unei funcții de pierdere care să reflecte valoarea reală de business a erorilor produse de modelul tău de machine learning.

În capitolul anterior, ai aplicat diferite metode de integrare a feedback-ului experților în fluxul tău de lucru și ai evaluat rezultatele în concordanță cu valoarea de business. Acum este momentul să exersezi abilitățile necesare pentru a pune modelul în producție și pentru a te asigura că performanța sa se menține prin îmbunătățire iterativă. Vei învăța, de asemenea, să diagnostichezi schimbările în distribuția datelor și să atenuezi efectul pe care un mediu în schimbare îl poate avea asupra acurateței modelului tău.

În capitolele anterioare, ai construit o bază solidă în învățarea supervizată, incluzând cunoștințe despre implementarea modelelor în producție, presupunând mereu că ai la dispoziție un set de date etichetat. În acest capitol, abordezi provocarea de a modela date fără etichete sau cu foarte puține. Vei intra astfel într-o lume a detectării anomaliilor — un tip de modelare nesupervizată — și a învățării bazate pe distanță, unde noțiunile de similaritate dintre exemple pot înlocui etichetele și te pot ajuta să atingi niveluri de acuratețe comparabile cu un flux de lucru supervizat. La finalul acestui capitol, te vei diferenția clar în rândul specialiștilor în date, știind cu încredere ce instrumente să folosești pentru a-ți adapta fluxul de lucru și a depăși provocările frecvente din lumea reală.