چارچوب بندی یک مشکل از نظر ML یک فرآیند دو مرحله ای است:
با انجام موارد زیر اطمینان حاصل کنید که ML رویکرد خوبی است:
- مشکل را درک کنید.
- یک مورد استفاده واضح را شناسایی کنید.
- داده ها را درک کنید.
با انجام موارد زیر مشکل را در قالب ML تنظیم کنید:
- نتیجه ایده آل و هدف مدل را تعریف کنید.
- خروجی مدل را شناسایی کنید.
- معیارهای موفقیت را تعریف کنید.
این مراحل می تواند با تعیین اهداف روشن و ارائه یک چارچوب مشترک برای کار با سایر پزشکان ML در زمان و منابع صرفه جویی کند.
از تمرین های زیر برای قالب بندی یک مسئله ML و فرموله کردن راه حل استفاده کنید:
هوش مصنوعی مسئول
هنگام پیاده‌سازی راه‌حل‌های ML، همیشه از اصول هوش مصنوعی گوگل پیروی کنید.
برای معرفی عملی برای بهبود انصاف و کاهش تعصب در ML، به ماژول MLCC Fairness مراجعه کنید.