Сегодня машинное обучение (ML) работает везде. Когда мы взаимодействуем с банками, совершаем покупки в Интернете или пользуемся социальными сетями, в игру вступают алгоритмы машинного обучения (ML), чтобы обеспечить эффективную, бесперебойную и безопасную работу. Машинное обучение (ML) и его технология быстро развиваются, и обнаруженные нами функции — это лишь верхушка айсберга.
Типы машинного обучения (МО): два подхода к обучению
Алгоритмы — это двигатели, на которых основано машинное обучение (ML). В целом сегодня используются два основных алгоритма машинного обучения (ML): обучение с учителем и обучение без учителя. Разница между ними определяется тем, как каждый изучает данные, чтобы делать прогнозы.
Контролируемое машинное обучение (ML)
Наиболее широко используются алгоритмы машинного обучения с учителем (ML). Специалист по данным действует как проводник по этой модели и учит алгоритм, к каким выводам он должен прийти. Алгоритм обучается на наборах данных, которые имеют предварительно помеченные и определенные выходные данные во время обучения с учителем, точно так же, как ребенок пытается выучить фрукты наизусть из книжки с картинками.
Примеры контролируемого машинного обучения (ML) включают алгоритмы линейной и логистической регрессии, многоклассовую классификацию и методы опорных векторов.
Неконтролируемое машинное обучение (ML)
Неконтролируемое машинное обучение (ML) использует более независимый подход, при котором компьютер изучает сложные процессы и шаблоны без постоянного и внимательного руководства со стороны человека. Неконтролируемое машинное обучение (ML) включает в себя обучение на основе данных без тегов или конкретных, определенных результатов.
«Рабочий процесс развертывания моделей»
Везде, где вы развертываете модель, используется аналогичный рабочий процесс:
1) Сохраните модель.
2) Подготовьте сценарий входа.
3) Подготовьте конфигурацию логического вывода.
4) Разверните модель локально, чтобы убедиться, что все работает.
5) Выберите цель транзакции.
6) Разверните модель в облаке.
7) Протестируйте получившуюся веб-службу.
Что такое Django REST Framework?
Django — это высокотехнологичная среда веб-разработки Python, которая способствует быстрой разработке и чистому прагматичному дизайну. Он был создан опытными разработчиками и решает многие задачи веб-разработки. Это также бесплатно и с открытым исходным кодом.
Django REST Framework — это мощный и гибкий набор инструментов для создания веб-API, используемых в развертывании модели машинного обучения (ML). С помощью Django REST Framework сложные модели машинного обучения (ML) можно легко использовать, просто вызывая конечную точку API.
Что такое Amazon SageMaker?
В этом руководстве вы узнаете, как использовать Amazon SageMaker для создания, обучения и развертывания модели машинного обучения (ML). В этом упражнении мы будем использовать популярный алгоритм XGBoost ML. Amazon SageMaker — это полностью управляемый сервис машинного обучения (ML), который позволяет разработчикам и специалистам по данным быстро и легко создавать, обучать и развертывать модели машинного обучения (ML) в любом масштабе.
Переход моделей машинного обучения (ML) от концептуализации к производству часто является сложным и трудоемким процессом. Для обучения модели необходимо управлять большими объемами данных, выбирать наилучший алгоритм обучения, управлять вычислительными мощностями во время тренировки, а затем развертывать модель в производственной среде. Amazon SageMaker уменьшает эту сложность, значительно упрощая создание и развертывание моделей машинного обучения (ML). После выбора подходящих алгоритмов и платформ из широкого спектра доступных вариантов он управляет всей базовой инфраструктурой для обучения вашей модели в петабайтном масштабе и развертывания ее в рабочей среде.
Вас попросили разработать модель машинного обучения (ML), чтобы предсказать, будет ли клиент регистрировать депозитный сертификат (CD). Эта модель будет обучена на наборе маркетинговых данных, содержащем демографические данные клиентов, реакцию на маркетинговые события и внешние факторы.
Для вашего удобства данные помечены, а столбец в наборе данных указывает, зарегистрирован ли клиент для продукта, предлагаемого банком. Этот набор данных общедоступен в репозитории машинного обучения (ML), выбранном Калифорнийским университетом в Ирвине. В этом руководстве реализуется модель машинного обучения с учителем (ML), поскольку данные помечены.
Что такое Kubeflow?
Используйте AKS, если вам нужны крупномасштабные производственные развертывания моделей машинного обучения (ML). Большой масштаб означает быстрое время отклика, автоматическое масштабирование развернутой службы и такие возможности, как ведение журнала.
Нажмите для получения дополнительной информации по этой теме;
