Sistemas de produção de aprendizagem automática

Capítulo 11. Introdução ao serviço de modelos

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

Este capítulo discute o serviço de modelo - ouso de um modelo treinado para gerar previsões ou resultados. Também chamado de inferência em execução, o serviço de modelo é o objetivo final de qualquer modelo treinado.

Treinar um bom modelo de ML é apenas a primeira parte do percurso de ML de produção. Também é necessário disponibilizar o modelo aos utilizadores finais ou aos processos empresariais que dependem dos resultados do modelo. Servir o modelo, ou incluí-lo numa aplicação, é a forma de o disponibilizar.

Nota

No espaço ML, as palavras previsão, resultado e inferência são utilizadas de forma indistinta.

Formação de modelos

Em geral, existem dois tipos básicos de formação de modelos:

Formação offline

O modelo é treinado com um conjunto de dados já recolhidos. Após a implantação no ambiente de produção, o modelo permanece congelado até ser treinado novamente com novos dados. A grande maioria do treinamento do modelo é offline.

Formação em linha

O modelo é atualizado regularmente à medida que chegam novos dados (por exemplo, como fluxos de dados). Esta abordagem está geralmente limitada a casos que utilizam dados de séries temporais, como dados de sensores ou dados de transacções de acções, para acomodar alterações rápidas nos dados e/ou rótulos. A formação em linha é bastante invulgar e requer técnicas de ...