tgoop.com/witaik_com/81
Last Update:
پاسخ به #33_سوال مهم در حوزه دیتا و هوش مصنوعی
سوال: مهم ترین نکات جهت توسعه یک مدل یادگیری ماشین چیست؟
1: استفاده از دیتای مناسب: دیتا کلیدی ترین بخش در سیستم یادگیری ماشین است و پیشنهاد می شو بیشترین زمان، انرژی و هزینه را روی جمع آوری یا ساخت دیتاست مناسب کنید.
2: استفاده از مدل مناسب: همیشه مدل های جدید یا به اصطلاح state of the art گزینه خوبی برای پروداکشن نیستند چون هزینه استفاده از اونها بالاست، منابع زیادی رو استفاده می کنند و زیرساخت های پیچیده تری لازم دارند. در نتیجه می توان با مدل های ساده تر کا رو پیش برد.
3: استقرار مدل: بعد از انتخاب مدل و آموزشش، حالا باید بستر و رویکرد مناسبی جهت دیپلوی مدل پیدا کنید. یعنی از روش های MLOps جهت استقرار مدل توی پروداکشن استفاده کنید.
4: رصد و نظارت بر مدل: هنگامی که مدل نهایی آماده شد، تازه کار شروع میشه و شما باید حتما مدل رو مانیتور کنید که در طی بازه های زمانی دقت اش روی ورودی های مختلف به چه صورته.
5: توسعه زیرساخت و ابزار توی پروژه های بزرگ و نوآورانه، نیاز به توسعه لایبرری، زیرساخت و بعضی موارد کلیدی جهت توسعه کامل سیستم است. به عنوان نمونه توی بعضی محصولات مبتنی بری بینایی ماشین، بخش کلاسیک استقرار یا MLOps خیلی کمک کننده نیست و شما باید با مباحث جدید یا کار نشده ای به اسم CVOps دست و پنجه نرم کنید و به کار ببرید.
6: نیاز کاربر همیشه باید نیاز کاربر رو در نظر گرفت و هرقدمی که برمیداریم، در جهت بهبود تجربه کاربری و پاسخ به نیازهای کاربر باشد در نتیجه بعد از هر بار آپدیت، باید فیدبک و لاگ استفاده کننده از مدل و محصول رو جهت ارتقا نسخه های بعدی گرفت.
#روز_17_33
#witaik
BY Witaik | ویتایک
Share with your friend now:
tgoop.com/witaik_com/81