मॉडल लागू करते समय, आसान शुरुआत करें. एमएल का ज़्यादातर काम डेटा पर होता है इसलिए एक जटिल मॉडल के लिए पूरी पाइपलाइन चलाना और वे उसे मॉडल की मदद से अपग्रेड कर सकें. डेटा पाइपलाइन सेट अप करने के बाद और कुछ सुविधाओं का इस्तेमाल करने वाले एक आसान मॉडल को लागू करना है, तो यह प्रोसेस दोहराई जा सकती है इससे बेहतर मॉडल तैयार होगा.
सामान्य मॉडल एक अच्छी बेसलाइन प्रदान करते हैं, भले ही आप उन्हें लॉन्च न करें. वास्तव में, एक सामान्य मॉडल का उपयोग करना आपकी सोच से बेहतर है. आसान से शुरू हो रहा है इससे आपको यह तय करने में मदद मिलती है कि कोई कॉम्प्लेक्स मॉडल सही है या नहीं.
पहले से ट्रेन किए गए मॉडल के बजाय, अपने मॉडल को ट्रेनिंग दें
ट्रेन किए गए मॉडल, अलग-अलग तरह के कामों में इस्तेमाल किए जा सकते हैं. साथ ही, ये मॉडल कई तरह के काम करते हैं फ़ायदे. हालांकि, प्रशिक्षित मॉडल तब ही काम करते हैं, जब सुविधाएं आपके डेटासेट से पूरी तरह मेल खाती हैं. उदाहरण के लिए, अगर किसी 25 सुविधाओं का इस्तेमाल करता है और आपके डेटासेट में सिर्फ़ 24 सुविधाओं का इस्तेमाल किया जाता है. मॉडल गलत अनुमान लगा सकता है.
आम तौर पर, मशीन लर्निंग कारोबारी, इनपुट के मेल खाने वाले सब-सेक्शन का इस्तेमाल जिसे बेहतर बनाने या ट्रांसफ़र करने के लिए एक प्रशिक्षित मॉडल बनाया गया है. अगर एक प्रशिक्षित मॉडल आपके इस्तेमाल के खास उदाहरण के लिए मौजूद नहीं है. इस पर ध्यान दें जब खुद को ट्रेनिंग देते समय एक प्रशिक्षित मॉडल के सब-सेक्शन का इस्तेमाल किया जा रहा हो.
ट्रेन किए गए मॉडल के बारे में जानकारी के लिए, यहां देखें
निगरानी
समस्या को फ़्रेमिंग के दौरान, मॉनिटर करने और चेतावनी देने वाले इन्फ़्रास्ट्रक्चर पर ध्यान दें एमएल सलूशन की ज़रूरत है.
मॉडल डिप्लॉयमेंट
कुछ मामलों में, नया ट्रेन किया गया मॉडल, मौजूदा मॉडल से खराब हो सकता है प्रोडक्शन. अगर ऐसा है, तो आपको इसे बनाना शुरू करें और एक सूचना पाएं कि आपका ऑटोमेटेड डिप्लॉयमेंट विफल हो गया है.
ट्रेनिंग और विज्ञापन दिखाने में गड़बड़ी
अगर अनुमान के लिए इस्तेमाल की जाने वाली किसी सुविधा की वैल्यू, उस डेटा के डिस्ट्रिब्यूशन रेंज की जानकारी देते हैं जिसका इस्तेमाल ट्रेनिंग के दौरान किया गया है, क्योंकि यह मॉडल के मॉडल के लिए गलत अनुमान लगाने की संभावना है. उदाहरण के लिए, अगर आपके मॉडल को समुद्र तल पर भूमध्य रेखाओं के तापमान का अनुमान लगाने के लिए ट्रेनिंग दी गई है. तो आपका पेश करने वाला सिस्टम आपको आने वाले डेटा के बारे में अक्षांश और देशांतर के साथ चेतावनी देगा देशांतर और/या ऊंचाई उस रेंज से बाहर की है जिस पर मॉडल को ट्रेनिंग दी गई थी. इसके विपरीत, सर्विंग सिस्टम आपको अलर्ट करेगा कि मॉडल वे अनुमान जो डिस्ट्रिब्यूशन रेंज से बाहर हैं ट्रेनिंग ली हुई है.
अनुमान सर्वर
अगर किसी आरपीसी सिस्टम से अनुमान लगाया जा रहा है, तो आपको यह RPC सर्वर भी होता है और अगर यह कोई जानकारी देना बंद कर देता है, तो आपको सूचना मिल जाती है.