Construir Pipelines de Aprendizaje Automático

Capítulo 15. El futuro de las tuberías y próximos pasos

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

En los últimos 14 capítulos, hemos captado el estado actual de las canalizaciones de aprendizaje automático y hemos dado nuestras recomendaciones sobre cómo construirlas. Los pipelines de aprendizaje automático son un concepto relativamente nuevo, y hay mucho más por venir en este espacio. En este capítulo, hablaremos de algunas cosas que nos parecen importantes pero que no encajan bien en las canalizaciones actuales, y también consideraremos los pasos futuros para las canalizaciones de ML.

Seguimiento de experimentos con modelos

A lo largo de este libro, hemos asumido que ya has experimentado y que la arquitectura del modelo está básicamente establecida. Sin embargo, nos gustaría compartir algunas ideas sobre cómo realizar un seguimiento de los experimentos y hacer que la experimentación sea un proceso fluido. Tu proceso experimental puede incluir la exploración de posibles arquitecturas de modelos, hiperparámetros y conjuntos de características. Pero sea lo que sea lo que explores, el punto clave que nos gustaría destacar es que tu proceso experimental debe ajustarse estrechamente a tu proceso de producción.

Tanto si optimizas tus modelos manualmente como si lo haces automáticamente, es esencial capturar y compartir los resultados del proceso de optimización. Los miembros del equipo pueden evaluar rápidamente ...