Публикации по теме 'mlops'
Эффективные команды машинного обучения
История Даны, специалиста по данным
Сейчас 9:25 вечера, и мягкое свечение экрана компьютера Даны отражалось в ее затуманенных глазах, когда она вошла в систему, чтобы продолжить исправление ошибки — источник красных пятен на ее экране. Она приготовила и съела ужин, выполнила повседневные дела, но на самом деле ее мысли были не там — на самом деле они были в нескольких местах.
Это был напряженный день — ее день был насыщен переключением между длительными тренировками и обменом..
Реализация Feast Linter
В предыдущем сообщении в блоге Общий рабочий процесс хранилища функций с Feast я дал обзор того, как я реализовал рабочий процесс для общего хранилища функций с использованием Feast, и дал некоторые идеи о том, как различные части, включающие Feast и CI/CD, будут подходить друг другу.
В этом посте я хочу немного подробнее рассказать о том, как я реализовал линтер Feast, чтобы он мог дать вам некоторые собственные идеи. Но начнем…
Улучшение MLflow с помощью Comet
У вас уже есть эксперименты с MLflow? Комета может помочь
Как специалист по данным, происходит переключение инструментов отслеживания машинного обучения. В конечном итоге это требует много времени, чтобы переписать код в новый инструмент. Специалисты по данным не исключение: нам часто приходится переделывать предыдущий код, который использовался для отслеживания экспериментов.
С этой проблемой я столкнулся в 2021 году, когда перешел с рабочих процессов MLflow на Комету . Я..
Что такое хранилища функций и почему они важны для масштабирования машинного обучения
По мере того, как компании начинают понимать, что Машинное обучение не имеет ценности, если оно не используется в производственной среде, начинают расти новые требования, особенно по мере увеличения сложности систем машинного обучения.
В то же время мы достигаем этапа зрелости ИИ и машинного обучения, когда сложные передовые модели больше не являются серебряной пулей для раскрытия ценности данных. Большинство практиков в этой области утверждают, что большинство моделей могут быть..
ПРАЗДНИК VS. DVC: когда следует использовать DVC или FEAST
Что такое ДВК?
DVC, который называется Контроль версий данных , по сути является инструментом управления экспериментами для проектов машинного обучения. Программное обеспечение DVC основано на Git, и его основная цель — кодировать данные, модели и конвейеры через командную строку.
Все это возможно, потому что DVC заменяет большие файлы (такие как наборы данных и модели машинного обучения) небольшими метафайлами, которые указывают на исходные данные. Таким образом можно хранить эти..
Featuretools: автоматическое создание функций для машинного обучения
Featuretools: автоматическое создание функций для машинного обучения
Преобразуйте необработанные данные во множество функций, которые улучшат качество ваших прогнозов.
Вы устали часами или даже днями вручную создавать функции для своих моделей машинного обучения? Представляем Featuretools — Священный Грааль разработки функций! С помощью всего нескольких простых строк кода вы можете взять необработанные данные и превратить их в набор функций, которые сделают прогнозы вашей модели..
Неконтролируемое машинное обучение
Неконтролируемое машинное обучение — это тип машинного обучения, при котором модель обучается на наборе данных без каких-либо помеченных результатов. Цель неконтролируемого обучения — выявить скрытые закономерности или взаимосвязи в данных.
Некоторые популярные алгоритмы обучения без учителя включают в себя:
Кластеризация: этот метод группирует похожие точки данных вместе и идентифицирует кластеры в данных. Популярными алгоритмами для этой задачи являются K-средние и иерархическая..
