Jak projektować systemy uczenia maszynowego

Wstęp

Od czasu pierwszego kursu uczenia maszynowego, który prowadziłam na Uniwersytecie Stanford w 2017 roku, wiele osób prosiło mnie o rady dotyczące wdrażania modeli ML w organizacjach. Zadawane pytania były dość ogólne, na przykład: „Jakiego modelu należy użyć?”, „Jak często trzeba ponownie trenować model?”, „Jak można wykryć zmiany w rozkładzie danych?”, „Jak zapewnić, że cechy używane podczas trenowania są spójne z cechami wykorzystywanymi podczas wnioskowania?”.

Pytania takie mogły być również szczegółowe, na przykład: „Sądzę, że zmiana z prognozowania wsadowego na prognozowanie online pozwoli naszemu modelowi uzyskać wzrost wydajności, ale jak mam przekonać mojego szefa, aby na to pozwolił?” lub „Jestem głównym inżynierem zajmującym się ...