Aprendizagem automática prática para visão computacional

Capítulo 10. Tendências da produção ML

Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: [e-mail]

Até agora, neste livro, considerámos a visão por computador como um problema a ser resolvido pelos cientistas de dados. No entanto, como a aprendizagem automática é utilizada para resolver problemas comerciais do mundo real, existem outras funções que interagem com os cientistas de dados para efetuar a aprendizagem automática - por exemplo:

Engenheiros ML

Os modelos de ML criados pelos cientistas de dados são colocados em produção pelos engenheiros de ML do, que reúnem todos os passos de um fluxo de trabalho típico de aprendizagem automática, desde a criação de conjuntos de dados até à implementação de previsões, num pipeline de aprendizagem automática. Ouvirás frequentemente esta descrição como MLOps.

Utilizadores finais

As pessoas que tomam decisões com base em modelos de ML tendem a não confiar em abordagens de IA de caixa negra. Isto é especialmente verdade em domínios como a medicina, em que os utilizadores finais são especialistas altamente qualificados. Muitas vezes, exigem que os teus modelos de IA sejam explicáveis - a explicabilidadeé amplamente considerada um pré-requisito para a utilização responsável da IA.

Especialistas no domínio

Os especialistas no domínio podem desenvolver modelos de ML utilizando estruturas sem código. Como tal, ajudam frequentemente na recolha de dados, validação e avaliação da viabilidade ...