Systèmes de production à apprentissage automatique

Chapitre 11. Introduction au service des modèles

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

Ce chapitre traite de l'utilisationd'un modèle - l'utilisation d'un modèle formé pour générer des prédictions ou des résultats. Également appelée inférence en cours d'exécution, l'utilisation d'un modèle est le but ultime de tout modèle formé.

La formation d'un bon modèle de ML n'est que la première partie du parcours de ML de production. Tu dois également mettre ton modèle à la disposition des utilisateurs finaux ou des processus métier qui s'appuient sur les résultats de ton modèle. Le servir, ou l'inclure dans une application, est la façon de rendre ton modèle disponible.

Note

Dans l'espace ML, les mots prédiction, résultat et inférence sont utilisés de façon quelque peu interchangeable.

Modèle de formation

En général, il existe deux types fondamentaux de formation de modèles :

Formation hors ligne

Le modèle est entraîné sur un ensemble de données déjà collectées. Après avoir été déployé dans l'environnement de production, le modèle reste figé jusqu'à ce qu'il soit entraîné à nouveau avec de nouvelles données. La grande majorité de l'entraînement du modèle se fait hors ligne.

Formation en ligne

Le modèle est régulièrement mis à jour à mesure que de nouvelles données arrivent (par exemple, sous forme de flux de données). Cette approche est généralement limitée aux cas qui utilisent des données ...