La hoja de ruta de los datos de autoservicio

Capítulo 12. Modelo de Servicio de Formación

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

Hasta ahora, hemos construido la tubería de transformación para generar insights que puedan alimentar un cuadro de mando empresarial, o datos procesados para que una aplicación los comparta con los clientes finales, etc. Si la información es un modelo ML, es necesario entrenar el modelo; esto se tratará en este capítulo. Un científico de datos típico explora cientos de permutaciones del modelo durante el entrenamiento para encontrar el modelo más preciso. La exploración implica probar diferentes permutaciones de algoritmos de ML, valores de hiperparámetros y características de los datos. Hoy en día, el proceso de entrenamiento de modelos ML presenta algunos retos. En primer lugar, con el creciente tamaño de los conjuntos de datos y los complicados modelos de aprendizaje profundo, el entrenamiento puede llevar días y semanas. Al mismo tiempo, no es trivial gestionar la orquestación del entrenamiento en una granja de servidores formada por una combinación de CPU y hardware especializado, como las GPU. En segundo lugar, el ajuste iterativo de los valores óptimos de los parámetros del modelo y los valores de los hiperparámetros se basa en la búsqueda por fuerza bruta. Se necesita un ajuste automatizado del modelo, que incluya el seguimiento de todas las iteraciones de ajuste y sus resultados. En tercer lugar, en situaciones ...