Dado que investigar, entrenar y evaluar modelos es un proceso que lleva mucho tiempo, ir en la dirección equivocada puede resultar muy costoso en ML. Por eso este libro se centra en reducir el riesgo e identificar la máxima prioridad en la que trabajar.
Mientras que la Parte I se centró en la planificación para maximizar nuestra velocidad y nuestras posibilidades de éxito, este capítulo se sumergirá en la implementación. Como muestra la Figura II-1, en ML, como en gran parte de la ingeniería de software, debes llegar a un producto mínimo viable (MVP) lo antes posible. Esta sección tratará precisamente de eso: de la forma más rápida de poner en marcha una canalización y evaluarla.
Mejorar dicho modelo será el tema central de la Parte III de este libro.
Figura II-1. La forma correcta de construir tu primer pipeline (reproducido con permiso de Henrik Kniberg)
Construiremos nuestro modelo inicial en dos pasos:
En este capítulo, construiremos la estructura y el andamiaje de nuestra aplicación. Esto implicará la construcción de un canal para recibir las entradas del usuario y devolver sugerencias, y otro canal para entrenar nuestros modelos antes de utilizarlos.
En este capítulo, nos centraremos en recopilar e inspeccionar un conjunto de datos inicial. El objetivo aquí es identificar rápidamente patrones en nuestros ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month, and much more.
