Traitement du langage naturel appliqué à l'entreprise
by Ankur A. Patel, Ajay Uppili Arasanipalai
Partie III. À l'extérieur du mur
Félicitations ! Tu en sais maintenant assez sur la PNL pour réellement lire et comprendre les dernières recherches et mettre en œuvre chaque partie du pipeline pour résoudre les tâches PNL les plus courantes à partir de zéro.
Mais lorsqu'il s'agit de déployer des modèles en production, il y a beaucoup plus de choses à prendre en compte. Où dois-tu exécuter ton modèle - sur le client ou sur un serveur ? Comment gérer plusieurs requêtes simultanées ? Comment intégrer ton modèle PyTorch, qui n'est accessible qu'à partir de Python, dans une application Web JavaScript ? Comment t'entraîner sur de nouvelles données d'utilisateurs réels qui arrivent ? Comment détecter et gérer les erreurs dans ton modèle lorsqu'il est en production ? Comment mettre à l'échelle la formation sur de très grands ensembles de données et plusieurs nœuds ?
Beaucoup de ces questions n'ont en fait pas de réponse parfaite, mais dans cette section, nous allons essayer de mettre en lumière les outils et les technologies qui sont importants pour la production de modèles dans le monde réel.
Beaucoup de sujets abordés dans ces prochains chapitres ne sont pas, à proprement parler, directement liés à la PNL. Il s'agit de ce que nous avons appelé au chapitre 1 des concepts "en dehors de la boîte". Néanmoins, il est important de les prendre en compte lorsque tu fais passer tes modèles de PNL d'un projet secondaire amusant à une recherche à grande échelle et à un déploiement dans le monde ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access