1. Alıştırma: Net ve Basit Bir Şekilde Başlayın
Makine öğrenimi modelinin ne yapmasını istediğinizi yazın.
Makine öğrenimi modelinin şunları yapmasını istiyoruz:
Başarı için İpuçları |
Bu aşamada ifade niteleyici olabilir ancak dolaylı bir hedef değil, gerçek hedefinizi yakaladığınızdan emin olun.
Emin değilseniz önceki derslere göz atın ve makine öğrenimi modellerinin yapabileceklerini öğrenin. |
2. Egzersiz: İdeal Sonuçlarınız
ML modelinizi sisteminize eklemek, istenen bir sonuç verir.
Bu sonuç, modelden bağımsız olarak ne anlama gelir? Bu sonucun, modeli ve kalitesini değerlendirme şeklinizden oldukça farklı olabileceğini unutmayın.
İdeal sonucumuz şu şekildedir:
Başarı için İpuçları |
Kendinizi, ürününüzün zaten optimize edilmiş olduğu metriklerle sınırlamanız gerekmez (bir sonraki alıştırmada ele alınacaktır).
Bunun yerine, ürün veya hizmetinizin daha büyük hedefine odaklanmaya çalışın.
|
3. Alıştırma: Başarı Metrikleriniz
Makine öğrenimi sistemiyle başarı ve başarısızlık metriklerinizi not alın.
Hata metrikleri önemlidir. Bir başka deyişle makine öğrenimi sisteminin başarısız olup olmadığını nasıl bilebilirsiniz?
Hem başarı hem de başarısızlık metrikleri, modelin değerlendirme metriklerinden bağımsız olarak ifade edilmelidir.
Örneğin, hassasiyet, geri çağırma veya AUC hakkında değil, beklenen sonuçlar hakkında konuşun.
Genellikle bu metrikler, yukarıda belirttiğiniz ideal sonuca bağlanır.
Başarı metriklerimiz:
Aşağıdaki durumlarda ML modelimiz başarısız kabul edilir:
Başarı için İpuçları |
- Metrikler ölçülebilir mi?
- Bunları nasıl ölçersiniz?
- Bunları ne zaman ölçebilirsiniz?
- Yeni ML sisteminizin başarılı olup olmadığını görmek ne kadar sürer?
- Uzun vadede mühendislik ve bakım maliyetlerini dikkate alın.
- Başarısızlık, yalnızca bir başarı metriğinin başarısız olmamasından kaynaklanabilir.
|
4. Egzersiz: Çıkışınız
ML modelinizin üretmesini istediğiniz çıkışı yazın.
ML modelimizin sonucu şu şekilde olacaktır:
Çıkış şunlardan biri olarak tanımlanır:
- Tek boyutlu regresyon
- Çok boyutlu regresyon
- İkili program sınıflandırması
- Çok sınıflı sınıflandırma
- Metin, resim, ses, video veya bunların bir kombinasyonunu (çok modlu) oluşturun.
Başarı için İpuçları |
- Çıktı, makinenin üretebileceği bir tanımla ölçülebilir olmalıdır.
-
Tahmine dayalı makine öğrenimi kullanıyorsanız eğitim verileri için kullanılacak örnek çıkışlar elde edebiliyor musunuz?
- Nasıl ve hangi kaynaktan?
- İzlenme süresini yüzdelik dilime dönüştürme gibi çıkış örneklerinizin oluşturulması gerekebilir.
- Eğitim için kullanılacak örnek çıkışlar elde etmek zorsa, sorununuzu ve hedeflerinizi, verileriniz üzerinde bir model eğitmenize olanak tanıyacak şekilde yeniden formüle etmek için geçmişteki alıştırmalara verdiğiniz yanıtları tekrar ziyaret etmeniz gerekebilir.
|
5. Alıştırma: Çıkışı Kullanma
Çıkışınızın makine öğrenimi modelinden ne zaman alınması gerektiğini ve ürününüzde nasıl kullanıldığını yazın.
ML modelinden elde edilen sonuçlar aşağıdaki durumlarda elde edilir:
Sonuç aşağıdakiler için kullanılır:
Başarı için İpuçları |
Tahminde bulunmak için hangi verilere ihtiyacınız olacağını düşünün. Örneğin, bir harita uygulamasında seyahat süresini tahmin etmek için makine öğrenimini kullanıyorsanız şu şekilde yazabilirsiniz: "Kullanıcı çıkış, hedef ve ulaşım modunu seçtiğinde modelden elde edilen sonuç elde edilecek."
|
Tahmini sonucu ürününüzde nasıl kullanacağınızı düşünün.
- Kullanıcıya hemen kullanıcı arayüzünde sunulur mu?
- Sonraki iş mantığı tarafından tüketilecek mi?
- Hangi gecikme şartlarına sahipsiniz?
Bu gereksinimler (ML modelinin hizmet gereksinimi), tahmin yapmak için hangi bilgilerin kullanılabileceğini etkileyebilir. Örneğin:
- Uzak hizmetlerden veri kullanımında gecikme olması, verilerin kullanımını imkansız hale getirebilir.
- Veri kaynaklarında yeni bilgilerin sunulmasında gecikme yaşanıyorsa:
- İşlenen günlükler günde yalnızca bir kez oluşturulabilir.
- Gerçekleşene kadar belirli bilgiler bilinmez (dönüşüm etkinlikleri gibi).
Oracle Testi: Her zaman doğru yanıtı aldığınızı varsayalım. Bu verileri ürününüzde nasıl kullanırsınız?
|
6. Egzersiz: Sezgileriniz
Makine öğrenimini kullanmasaydınız sorunu nasıl çözeceğinizi yazın. Örneğin, hangi buluşsal yöntemleri kullanabilirsiniz?
Makine öğrenimini kullanmasaydık:
Başarı için İpuçları |
Ürünü yarın teslim etmeniz gereken bir senaryo üzerine düşünün ve yalnızca iş mantığını sabit bir şekilde kodlayın. Neler yapardınız?
|
Yanıtlarınızı yazdırmak veya .pdf olarak kaydetmek için aşağıdaki düğmeyi tıklayın.
Sayfayı Yazdır