Podsumowanie

Omówienie problemu w ramach systemów uczących się składa się z 2 etapów:

1. Sprawdź, czy korzystanie z systemów uczących się jest odpowiednie, wykonując te czynności:

   • Dowiedz się, na czym polega problem.
   • Zidentyfikuj jasny przypadek użycia.
   • Interpretowanie danych

2. Przedstaw problem w warunkach ML, wykonując te czynności:

   • Zdefiniuj idealny wynik i cel modelu.
   • Określ dane wyjściowe modelu.
   • Określenie wyznaczników sukcesu.

Te czynności mogą pomóc zaoszczędzić czas i zasoby, ponieważ jasno określają cele i zapewniają wspólną platformę do pracy z innymi specjalistami ds. systemów uczących się.

Skorzystaj z tych ćwiczeń, aby zobrazować problem ML i sformułować rozwiązanie:

• Umieszczanie w ramkach problemu z ML
• Opracowywanie rozwiązania

Prywatność i etyka

Korzystanie z systemów uczących się może budzić obawy związane z prywatnością i etycznymi rozwiązaniami. Przed rozpoczęciem produkcji zapoznaj się z tymi materiałami:

• Moduł obiektywności MLCC

• Praktyki z zakresu odpowiedzialnej AI

Ucz się dalej

Więcej materiałów szkoleniowych na temat systemów uczących się

• Przygotowanie danych i inżynieria cech
• Testowanie i debugowanie w systemach uczących się
• Badania nad ludźmi i AI