Skalierung von Machine Learning mit Spark

Kapitel 10. Einsatzmuster für Modelle des maschinellen Lernens

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Unter haben wir in diesem Buch den Lebenszyklus des maschinellen Lernens besprochen. Zur Erinnerung: Der Lebenszyklus eines maschinellen Lernsystems ähnelt im Großen und Ganzen dem Lebenszyklus der Softwareentwicklung. Das heißt, er umfasst mehrere Phasen, die wir wie folgt zusammenfassen können:

Entwicklung

Das Modell trainieren

Validierung

Validierung des Modells

Inszenierung

Testen des Modells in einer produktionsähnlichen Umgebung

Einsatz

Einführung des maschinellen Lernsystems in die Produktion

Archivierung

Ausmusterung des Modells und ggf. Ersetzen durch eine neue Version

In den vorangegangenen Kapiteln haben wir die ersten Phasen des Lebenszyklus eingehend behandelt, einschließlich verschiedener Tools und Methoden für die verteilte Ausbildung. In diesem letzten Kapitel gebe ich dir eine Anleitung, wie du den Einsatzprozess durchdenken kannst und was du dabei beachten solltest. Der Einsatz findet statt, wenn du ein Modell hast, das genaue Ergebnisse liefert, mit denen du zufrieden bist, und du bereit bist, es in die Produktion zu geben. Wenn das nicht der Fall ist, solltest du mit zusätzlichen Algorithmen und Parametern und vielleicht auch mit neuen Daten weiterforschen.

Wenn wir über den Einsatz eines Modells nachdenken, müssen wir festlegen, wann und wo es im gesamten Workflow ...