Aufbau von Anwendungen mit maschinellem Lernen

Teil III. Modelle iterieren

Teil I behandelte bewährte Methoden, um ein ML-Projekt einzurichten und seinen Fortschritt zu verfolgen. In Teil II haben wir gesehen, wie wichtig es ist, so schnell wie möglich eine End-to-End-Pipeline aufzubauen und einen ersten Datensatz zu untersuchen.

Aufgrund seines experimentellen Charakters ist ML ein sehr iterativer Prozess. Du solltest planen, Modelle und Daten immer wieder zu wiederholen und dabei einer experimentellen Schleife zu folgen, wie in Abbildung III-1 dargestellt.

Abbildung III-1. Die ML-Schleife

Teil III wird eine Iteration der Schleife beschreiben. Wenn du an ML-Projekten arbeitest, solltest du mehrere solcher Iterationen einplanen, bevor du erwartest, eine zufriedenstellende Leistung zu erreichen. Hier ist eine Übersicht über die Kapitel in diesem Teil des Buches:

Kapitel 5

In diesem Kapitel werden wir ein erstes Modell trainieren und es einem Benchmarking unterziehen. Dann analysieren wir seine Leistung eingehend und ermitteln, wie es verbessert werden kann.

Kapitel 6

Dieses Kapitel behandelt Techniken, mit denen du Modelle schnell erstellen und debuggen kannst und zeitraubende Fehler vermeidest.

Kapitel 7

In diesem Kapitel zeigen wir anhand des ML-Editors, wie ein trainierter Klassifikator genutzt werden kann, um den Nutzern Vorschläge zu machen und ein voll funktionsfähiges Vorschlagsmodell zu erstellen.