Как MLOps меняет обрабатывающую промышленность?
Модели машинного обучения представляют собой сложные сущности. Мы доверяем этим моделям принятие важных решений и, возможно, доверяем им нашу жизнь, поскольку автономные транспортные средства начинают входить в практику.
Однако чаще всего эти модели развертываются, а затем забываются группами специалистов по обработке и анализу данных после того, как они переходят к следующему проекту, и компания узнает о критической ошибке только после того, как она нанесла значительный ущерб.
Вот почему мониторинг моделей машинного обучения, когда они полностью развернуты и работают в производственной среде, имеет решающее значение.
В кратком, но информативном интервью Wow AI г-н Карл Хэндлин, бывший глава отдела искусственного интеллекта в Rappi, а в настоящее время технический директор Trully, расскажет о важности мониторинга моделей машинного обучения в производстве.
Полное интервью смотрите здесь.
О спикере
Карл Хэндлин — специалист по данным и инженер по машинному обучению с более чем 8-летним опытом извлечения данных, машинного обучения, моделирования и выбора функций, а также с опытом работы в области физики и информатики.
Ранее он возглавлял отдел искусственного интеллекта в латиноамериканском регионе в Rappi, потребительской технологической компании, которая специализируется на предоставлении услуг онлайн-доставки, теперь он является соучредителем и техническим директором Trully, платформы для обогащения коллективного разума.
Присоединяясь к Всемирному вебинару по искусственному интеллекту, который состоится 29–30 сентября, Карл Хэндлин расскажет о современном масштабном мониторинге, включая некоторые из текущих проблем, возникающих при использовании машинного обучения или применении машинного обучения в реальной отрасли.
О жизненности мониторинга моделей машинного обучения
Для Карла мониторинг моделей машинного обучения означает замыкание цикла. Мониторинг означает предоставление обратной связи системе, получение обратной связи от системы и обеспечение непрерывного обучения не только для изучения изменений в системе, но также для предотвращения и прогнозирования общих проблем.
Он заявил, что AI/ML быстро меняет ввод переменных, особенно в динамических настройках. Дрейф концепции, который относится к неизвестной и скрытой взаимосвязи между входными и выходными переменными, может изменить ожидаемое поведение модели.
«Поэтому возможность отслеживать и адаптироваться к этим типам постоянно меняющихся сред является одной из самых важных вещей, по крайней мере, мы знаем, что современный мониторинг может помочь закрыть этот пробел». — Карл Хэндлин, технический директор Trully и бывший руководитель отдела искусственного интеллекта Rappi
Г-н Хэндлин считает, что наличие хорошей системы мониторинга моделей позволяет нам находить подходящее время для переобучения, адаптации и получения постоянной обратной связи на протяжении всего процесса, что абсолютно необходимо не только разработчикам, но и конечным пользователям моделей.
Карл Хэндлин более подробно расскажет о мониторинге моделей машинного обучения на Всемирном вебинаре по искусственному интеллекту.
Полное интервью Карла Хэндлина и Wow AI смотрите здесь.
