Прошло некоторое время с момента моего последнего сообщения, и с тех пор в Cloud Pak for Data (теперь версия 4.0) было внесено несколько улучшений. В моем предыдущем посте с Cloud Pak for Data 2.5 были некоторые проблемы с созданием пользовательских сред в Watson Machine Learning, и было сложно развернуть модели Prophet (приходилось прибегать к обходным путям). Эти проблемы были исправлены, и в этом посте я продемонстрирую собственный способ развертывания моделей Prophet в Watson..

Prophet - это библиотека прогнозирования временных рядов, основанная на аддитивной модели, которая хорошо работает из коробки и устойчива к отсутствующим данным и сдвигам в тренде. В типичном рабочем процессе машинного обучения после обучения модель развертывается, чтобы пользователи могли получать результаты модели из своих приложений через API. А в некоторых случаях среда развертывания может быть контролируемой средой с ограниченным доступом. Я работал над проектом, в котором мы..

Одна из самых больших проблем в науке о данных - это возможность быстро развернуть модель в производственной среде. И на этом история не заканчивается. На самом деле, давно хотелось, чтобы блокировка dev-deploy была очень простой, гибкой и всегда правдоподобной, поскольку нам нужно часто обновлять и масштабировать наши модели, а изменения должны быть доступны в производственной среде немедленно и без проблем. Мотивом для написания этой статьи была моя борьба с развертыванием моделей,..