Conceber sistemas de aprendizagem automática

Capítulo 7. Implementação de modelos e serviço de previsão

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

Nos capítulos 4 a 6, discutimos as considerações para o desenvolvimento de um modelo de ML, desde a criação de dados de treinamento, extração de recursos e desenvolvimento do modelo até a criação de métricas para avaliar esse modelo. Essas considerações constituem a lógica do modelo - instruções sobre como passar de dados brutos para um modelo de ML, conforme mostrado na Figura 7-1. O desenvolvimento dessa lógica requer conhecimento de AM e experiência no assunto. Em muitas empresas, esta é a parte do processo que é feita pelas equipas de AM ou de ciência de dados.

Figura 7-1. Diferentes aspectos que compõem a lógica do modelo de ML

Neste capítulo, discutiremos outra parte do processo iterativo: a implantação do teu modelo. "Implantar" é um termo vago que geralmente significa tornar seu modelo em execução e acessível. Durante o desenvolvimento do modelo, o teu modelo é normalmente executado num ambiente de desenvolvimento.¹ Para ser implementado, o teu modelo terá de sair do ambiente de desenvolvimento. O modelo pode ser implantado em um ambiente de preparação para testes ou em um ambiente de produção para ser usado pelos usuários finais. Neste capítulo, vamos nos concentrar na implantação de modelos ...