เมื่อคุณนำโมเดลไปใช้ ให้เริ่มต้นด้วยวิธีที่ง่ายๆ งานส่วนใหญ่ใน ML จะอยู่ในฝั่งข้อมูล ดังนั้นการดำเนินไปป์ไลน์เต็มรูปแบบสำหรับโมเดลที่ซับซ้อนจึงทำได้ยากกว่าการทำซ้ำในโมเดลนั้น หลังจากตั้งค่าไปป์ไลน์ข้อมูลและใช้รูปแบบง่ายๆ ที่ใช้ฟีเจอร์ไม่กี่อย่างแล้ว คุณจะทำซ้ำเพื่อสร้างโมเดลที่ดียิ่งขึ้นได้
โมเดลที่เรียบง่ายมีเกณฑ์พื้นฐานที่ดี แม้ว่าคุณจะไม่ได้เปิดตัวอะไรก็ตาม อันที่จริงการใช้โมเดลที่เรียบง่ายอาจจะดีกว่าที่คุณคิด การเริ่มต้นแบบง่ายจะช่วยให้คุณตัดสินได้ว่าโมเดลที่ซับซ้อนนั้นสมเหตุสมผลหรือไม่
ฝึกโมเดลของคุณเองเมื่อเทียบกับการใช้โมเดลที่ฝึกไว้แล้ว
โมเดลที่ฝึกแล้วใช้ได้กับกรณีการใช้งานที่หลากหลายและมีข้อได้เปรียบมากมาย อย่างไรก็ตาม โมเดลที่ฝึกแล้วจะทำงานจริงๆ เฉพาะเมื่อป้ายกำกับและ ฟีเจอร์ตรงกับชุดข้อมูลของคุณเท่านั้น ตัวอย่างเช่น หากโมเดลที่ฝึกใช้ฟีเจอร์ 25 รายการและชุดข้อมูลมีเพียง 24 รายการ โมเดลที่ฝึกมักจะทำการคาดการณ์ได้ไม่ดี
โดยปกติ ผู้ปฏิบัติงาน ML จะใช้ส่วนย่อยที่ตรงกับอินพุตจากโมเดลที่ฝึกสำหรับการปรับแต่งหรือถ่ายทอดการเรียนรู้ หากกรณีการใช้งานเฉพาะของคุณไม่มีโมเดลที่ฝึกแล้ว ให้พิจารณาใช้ส่วนย่อยจากโมเดลที่ฝึกเมื่อฝึกการทำงานของคุณเอง
ดูข้อมูลเกี่ยวกับโมเดลที่ฝึกแล้วได้ที่
Monitoring
ระหว่างการจัดเฟรมปัญหา ให้พิจารณาโครงสร้างพื้นฐานของการตรวจสอบและแจ้งเตือนที่โซลูชัน ML ต้องการ
การทำให้โมเดลใช้งานได้
ในบางกรณี โมเดลที่ฝึกใหม่อาจแย่กว่าโมเดลที่ใช้งานอยู่จริง ซึ่งหากเป็นเช่นนั้น คุณจะต้องป้องกันไม่ให้มีการเผยแพร่เวอร์ชันที่ใช้งานจริงและได้รับการแจ้งเตือนว่าการติดตั้งใช้งานอัตโนมัติล้มเหลว
ความคลาดเคลื่อนระหว่างการฝึก
หากฟีเจอร์ขาเข้าที่ใช้สำหรับการอนุมานมีค่าที่ไม่อยู่ในช่วงการกระจายข้อมูลที่ใช้ในการฝึก คุณจะต้องได้รับการแจ้งเตือนเนื่องจากมีแนวโน้มว่าโมเดลจะคาดการณ์ได้ไม่ดี ตัวอย่างเช่น หากโมเดลของคุณได้รับการฝึกให้คาดการณ์อุณหภูมิสำหรับเมืองแถบเส้นศูนย์สูตรที่ระดับน้ำทะเล ระบบการแสดงผลจะแจ้งเตือนคุณเกี่ยวกับข้อมูลขาเข้าพร้อมละติจูดและลองจิจูด และ/หรือระดับความสูงนอกช่วงจากการฝึกโมเดล ในทางกลับกัน ระบบการแสดงผลควรแจ้งเตือนคุณหากโมเดลทำการคาดการณ์ที่อยู่นอกช่วงการกระจายที่เห็นระหว่างการฝึก
เซิร์ฟเวอร์การอนุมาน
หากคุณทำการอนุมานผ่านระบบ RPC คุณจะต้องตรวจสอบ เซิร์ฟเวอร์ RPC เองและรับการแจ้งเตือนหากเซิร์ฟเวอร์หยุดการอนุมาน