ระยะการพัฒนา ML

โปรเจ็กต์ ML จะมีความคืบหน้าเป็นระยะ โดยมีเป้าหมาย งาน และผลลัพธ์ที่เจาะจง ความเข้าใจที่ชัดเจนเกี่ยวกับระยะการพัฒนา ML ช่วยสร้างความรับผิดชอบด้านวิศวกรรม จัดการความคาดหวังของผู้มีส่วนเกี่ยวข้อง และจัดสรรทรัพยากรได้อย่างมีประสิทธิภาพ

การผ่านพ้นระยะต่างๆ ให้สำเร็จ (มักทำซ้ำ) เป็นรากฐานของการออกแบบ ประกอบ และการสร้างโมเดล ML ที่แก้ปัญหาทางธุรกิจในระยะยาว

การใช้โซลูชัน ML ในระดับสูงประกอบด้วยระยะต่อไปนี้

  1. แนวคิดและการวางแผน
  2. การทดลอง
  3. การสร้างไปป์ไลน์
  4. การผลิต

แนวคิดและการวางแผน

ในขั้นตอนการคิดและวางแผน คุณจะวางกรอบปัญหาในแง่ของโซลูชัน ML และประเมินความเป็นไปได้ของโปรเจ็กต์

  • เป้าหมาย: เพื่อพิจารณาว่า ML เป็นวิธีแก้ปัญหาที่ดีที่สุดหรือไม่
  • Tasks: วิเคราะห์ปัญหาทางธุรกิจเพื่อทำความเข้าใจข้อจำกัดของโปรเจ็กต์
  • ผลลัพธ์: เอกสารออกแบบที่สรุปวิธีแก้ปัญหาด้วยโซลูชัน ML ดูตัวอย่างเอกสารการออกแบบของ ML ได้ที่ go/ml-design-doc-example

ข้อความถอดเสียงของวิดีโอจะพร้อมให้ใช้งานได้โดย การดูในการออกอากาศ หากข้อความถอดเสียงไม่ปรากฏขึ้น ให้คลิก ไอคอนข้อความถอดเสียง

การทดลอง

การทดลองคือหัวใจสำคัญของแมชชีนเลิร์นนิง ในขั้นตอนนี้ คุณจะต้องยืนยันว่าโซลูชัน ML ใช้งานได้ การหาวิธีแก้ปัญหาเป็น กระบวนการที่ต้องทำซ้ำ เรามักจะลองทำการทดสอบหลายร้อยรายการ ก่อนที่จะหาชุดค่าผสม ฟีเจอร์ ไฮเปอร์พารามิเตอร์ และสถาปัตยกรรมโมเดลที่แก้ปัญหาได้

  • เป้าหมาย: เพื่อสร้างโมเดลที่แก้ปัญหาทางธุรกิจได้
  • งาน: ทดสอบฟีเจอร์ ไฮเปอร์พารามิเตอร์ และสถาปัตยกรรมโมเดล
  • ผลลัพธ์: โมเดลที่มีคุณภาพดีพอที่จะนำไปใช้งานจริง

ข้อความถอดเสียงของวิดีโอจะพร้อมให้ใช้งานได้โดย การดูในการออกอากาศ หากข้อความถอดเสียงไม่ปรากฏขึ้น ให้คลิก ไอคอนข้อความถอดเสียง

การสร้างไปป์ไลน์และการผลิต

ในระหว่างขั้นตอนการสร้างไปป์ไลน์และการผลิต คุณจะสร้างไปป์ไลน์สำหรับการประมวลผลข้อมูล การฝึกโมเดล และแสดงการคาดการณ์ จากนั้นให้ทำให้โมเดลและไปป์ไลน์ใช้งานได้จริงด้วยโครงสร้างพื้นฐานของการตรวจสอบและการบันทึกที่จำเป็น

  • เป้าหมาย: เพื่อสร้างและใช้โครงสร้างพื้นฐานสำหรับการปรับขนาด ตรวจสอบ และดูแลรักษาโมเดลในเวอร์ชันที่ใช้งานจริง
  • Tasks: สร้างไปป์ไลน์เพื่อให้งานหลายๆ อย่างทำงานโดยอัตโนมัติสำหรับการเก็บโมเดลเวอร์ชันล่าสุดในเวอร์ชันที่ใช้งานจริง
  • ผลลัพธ์: ไปป์ไลน์ ML ที่ตรวจสอบแล้ว

ข้อความถอดเสียงของวิดีโอจะพร้อมให้ใช้งานได้โดย การดูในการออกอากาศ หากข้อความถอดเสียงไม่ปรากฏขึ้น ให้คลิก ไอคอนข้อความถอดเสียง

เวิร์กโฟลว์ ML แบบต้นทางถึงปลายทาง

แผนภาพต่อไปนี้แสดงเวิร์กโฟลว์ทั้งหมดของ ML แบบต้นทางถึงปลายทาง พร้อมแสดงแต่ละระยะ งาน และผลลัพธ์ในแต่ละระยะ

เวิร์กโฟลว์ ML แบบต้นทางถึงปลายทาง

รูปที่ 1 4 เฟสหลักของเวิร์กโฟลว์ ML

โปรดทราบ

ในแต่ละระยะจะมีระบบทดสอบหลายอย่าง การไม่ได้ตระหนักและวางแผนล่วงหน้าอาจทำให้ต้องพลาดเส้นตาย วิศวกรที่คับข้องใจ และโครงการที่ล้มเหลว