Awọn anfani:
- Ni anfani lati ṣe iyatọ ibiti o wa ninu ṣiṣan iṣẹ ML (koodu, data, iwe) oye atọwọda fi akoko pamọ pẹlu eewu kekere, ati nibiti awọn ipinnu bii metric / data / fifi sinu iṣelọpọ ti fi silẹ si eniyan, ni ibamu si ipele eewu iṣẹ-ṣiṣe.
- Agbara lati lo ibawi kan ti o jẹrisi abajade AI kọọkan nipasẹ sisopọ si orisun, tun-ṣiṣẹ rẹ, wiwọn, ati gbigbe nipasẹ àlẹmọ ẹrọ.
- Agbara lati gba ihuwasi ti ko firanṣẹ awọn aṣiri aise ati data ti ara ẹni si awọn irinṣẹ ita, lilo awọn irinṣẹ ile-iṣẹ ti a fọwọsi, ati mimu awọn ọran aabo nikan fun awọn idi igbeja.
Imọye Oríkĕ ni Imọ-ẹrọ Ẹkọ Ẹrọ: Ipa, Awọn Aala, Ifọwọsi ati Ojuse
Onimọ-ẹrọ imọ ẹrọ (Ẹrọ-ẹrọ ML: ọjọgbọn sọfitiwia ti o ṣe apẹrẹ, ṣe ikẹkọ, ati mu awọn awoṣe ti o kọ ẹkọ lati inu data si iṣelọpọ) loni n ṣiṣẹ pẹlu ohun elo itetisi atọwọda miiran ni gbogbo igbesẹ ti iṣẹ rẹ. Oluranlọwọ ifaminsi kan wa ni ipa nigba kikọ koodu, awoṣe ibaraẹnisọrọ nigbati o n ṣawari data, ati awoṣe ede nla kan (LLM: nẹtiwọọki nkankikan pẹlu awọn ọkẹ àìmọye ti awọn aye ti o loye ati gbejade ọrọ) nigbati o ba n gbejade iwe. Ẹya yii ṣe akiyesi itetisi atọwọda bi ọja mejeeji ti dagbasoke ati ohun elo iṣẹ ojoojumọ ti ẹlẹrọ ML kan. O ṣiṣẹ nipa sisọ awọn aala ti ojuse ni kedere laisi dapọ awọn ipa meji.
Ninu ẹyọ akọkọ yii, a dahun ibeere ipilẹ: Nibo ni imọ-ẹrọ ML ṣe itetisi atọwọda fi akoko gidi pamọ, ati nibo ni a ni lati fi ipinnu naa silẹ fun eniyan? Idahun si wa ni okan ti ibawi imọ-ẹrọ: ẹniti o ṣe yara, ẹniti o rii daju jẹ iduro.
Nibo ni oye atọwọda wa ni ọwọ ni imọ-ẹrọ ML?
Ise agbese ML kan lọ nipasẹ aijọju awọn laini atẹle: ikojọpọ data, mimọ data, imọ-ẹrọ ẹya (itumọ data aise sinu awọn ami oni-nọmba ti awoṣe le loye), ikẹkọ awoṣe, igbelewọn, imuṣiṣẹ (imuṣiṣẹ: ṣiṣi awoṣe si olumulo gidi) ati ibojuwo. AI ṣe iranlọwọ ni gbogbo iduro lori laini yii, ṣugbọn ipele aṣẹ rẹ yatọ.
Ẹbun giga-giga, awọn agbegbe eewu kekere: iṣelọpọ awọn egungun koodu, kikọ iṣẹ iyipada data, itumọ awọn ifiranṣẹ log, ṣapejuwe itọpa akopọ, akopọ awọn akọsilẹ idanwo, iwe kikọ ati awọn READMEs, igbero ọran idanwo kan. Nibi, awọn aṣiṣe oye atọwọda jẹ olowo poku; nitori abajade yoo ti lọ nipasẹ idanwo ati atunyẹwo.
Awọn agbegbe eewu ti o ga julọ: pinnu kini data lọ sinu ikẹkọ, ifẹsẹmulẹ boya awoṣe yẹ ki o lọ si iṣelọpọ, idajọ metric jẹ “dara to”, ipinnu lati ṣe ilana data ti ara ẹni, pipade ailagbara aabo bi “ijekuje”. Iwọnyi kan owo, aṣiri, layabiliti ofin, ati igbẹkẹle olumulo. Oríkĕ itetisi yoo fun awọn didaba nibi; Ipinnu naa jẹ nipasẹ ẹlẹrọ ti o ni oye ati ẹgbẹ lodidi.
Imọran: Ṣaaju ki o to jade iṣẹ-ṣiṣe kan si AI, beere: “Kini idiyele ti iṣelọpọ yii ba jẹ aṣiṣe, ati bawo ni irọrun ṣe ẹnikẹni yoo mu aṣiṣe naa?” Ti idiyele naa ba lọ silẹ ati pe o rọrun, gbejade. Ti idiyele ba ga tabi imudani jẹ nira, lo AI nikan fun apẹrẹ ati pe o pinnu.
Ijẹrisi ibawi: awọn igbesẹ mẹta
Ni imọ-ẹrọ ML, iṣelọpọ AI kii ṣe “iṣẹ ti pari”; O ti wa ni a osere. Ṣiṣejade kọọkan nipasẹ awọn igbesẹ mẹta wọnyi:
- Sopọ mọ orisun. Ti awoṣe ba sọ nọmba kan, iloro kan, tabi “iwa ti o dara julọ,” da lori iwe aṣẹ, iye gangan ninu koodu koodu, tabi metiriki ti a wọn. "Fitting of the model" (hallucination: awọn iṣelọpọ igboya ti alaye ti kii ṣe gidi nipasẹ awoṣe ede) ni a mu nigbagbogbo nibi.
- Tun bẹrẹ ati wiwọn. Ṣiṣe koodu ti ipilẹṣẹ, tun ṣe iṣiro metiriki ti o ṣe lori eto idanwo tirẹ, fọwọsi ibeere SQL ti a dabaa lori apẹẹrẹ kekere kan. Koodu ti ko ṣiṣẹ jẹ asan, paapaa ti o ba dara.
- Ṣe o nipasẹ àlẹmọ ẹrọ. Ṣe iṣẹjade naa duro ni iwọn bi? Njẹ awọn ọran eti (data ṣofo, titẹ sii ti o tobi pupọ, awọn aaye ti o padanu) ni a gbero bi? Ṣe aabo ati irufin ikọkọ wa bi? Eniyan nikan ti o mọ aaye le ṣe igbesẹ yii.
Ailagbara kiakia / Alagbara kiakia
Ailagbara tọ: "Kọ mi diẹ ninu koodu ikẹkọ awoṣe."
Alagbara tọ: "Kọ a ikẹkọ iwe afọwọkọ fun alakomeji classification pẹlu scikit-learn. Input: data/train.parquet, afojusun iwe is_churn. Nibẹ ni kilasi aiṣedeede (rere oṣuwọn ~ 8%), mu awọn ti o pẹlu class_weight. Lo PR-AUC (agbegbe labẹ awọn konge-recall ekoro) bi awọn igbelewọn aiṣedeede metric, nitori. to 42. Idanwo ni opin ti awọn koodu titẹ ṣeto PR-AUC."
Iyatọ: iṣẹ-ṣiṣe kiakia keji ni otitọ data, metric ti o tọ, alaye aiṣedeede ati ibeere atunṣe. O ti wa ni lati yi o tọ ti awọn esi ti wa ni verifiable ati nkan elo.
Aṣiri ati aabo data: ojuse akọkọ ti ẹlẹrọ
Ẹlẹrọ ML nigbagbogbo fọwọkan data ifarabalẹ ti ile-iṣẹ: awọn igbasilẹ alabara, itan-iṣowo, ilera tabi data inawo, awọn igbasilẹ ti awọn eto iṣelọpọ. Awọn ofin mẹta nigba fifun data si awọn irinṣẹ oye atọwọda:
- Ma ṣe firanṣẹ awọn aise ti ara ẹni ati data asiri si awọn irinṣẹ ita. Fún àpẹrẹ, dípò títẹ àwọn apamọ́ oníbàárà sínú ìtòlẹ́sẹẹsẹ, fi ètò àti àwọn àpèjúwe (sintetiki) ránṣẹ́. Lo apẹẹrẹ ti o boju bi "fun apẹẹrẹ: ahmet@example.com" dipo data gidi.
- Lo awọn ọkọ ayọkẹlẹ ti a fọwọsi ajọ. Yan awọn irinṣẹ ti o ṣe adehun ni adehun ni ibiti a ti ṣiṣẹ data naa, boya o wa ni ipamọ, boya o lo fun ẹkọ tabi rara. Ṣiṣẹda data ile-iṣẹ pẹlu akọọlẹ ti ara ẹni jẹ irufin ni ọpọlọpọ awọn ile-iṣẹ.
- Eto imulo data ti o kere julọ. Fun aaye ti o kere ju ti o nilo lati yanju iṣẹ-ṣiṣe naa. Kii ṣe gbogbo tabili, ṣugbọn awọn ọwọn 5 ti o yẹ ati ero.
Išọra: Ro pe ọrọ ti o fun awoṣe ede ko le ṣe atunṣe. Maṣe firanṣẹ data ti ara ẹni aise ni ero “Emi yoo parẹ nigbamii”; Ewu naa waye ni akoko ti o firanṣẹ.
Lilo igbeja ni aaye aabo
Awọn onimọ-ẹrọ ML nigbagbogbo nfi awọn eto aabo sori ẹrọ: wiwa ẹtan, iyasọtọ ijabọ irira, ijẹrisi. Ni gbogbo module yii, a bo awọn ọran aabo fun awọn idi igbeja nikan: wiwa ikọlu, lile eto, pipade ailagbara naa. Lilo itetisi atọwọda fun iraye si laigba aṣẹ, jijo data tabi idasi laigba aṣẹ sinu eto ẹlomiiran jẹ mejeeji arufin ati lodi si awọn iṣe alamọdaju. Nigbati o ba rii ailagbara kan, ọna ti o tọ ni lati jabo rẹ ni ifojusọna ati ṣatunṣe rẹ; ko nilokulo.
mẹta mini igba
Ọran 1 - Akoko ti o fipamọ. Onimọ-ẹrọ ML kan yoo lo deede ni idaji ọjọ kan lati ṣe itupalẹ data iwadii (EDA) ti ṣeto data 40-iwe. O fun apẹrẹ ati df.describe () ti o jade si imọran atọwọda ati beere, "Awọn ọwọn wo ni o ni iwọn ti o ga julọ ati ti o padanu, awọn iyipada wo ni o ṣeduro?" Ni awọn iṣẹju 20, o gba atokọ ti o ṣe pataki, ti o jẹrisi ohun kọọkan pẹlu koodu tirẹ. Fipamọ: ~ Awọn wakati 3, eewu kekere ti aṣiṣe nitori wiwọn gbogbo ẹtọ.
Case 2 - Aṣiṣe ti a mu. “Ipeye ikẹkọ jẹ 99%, nla,” awoṣe naa sọ oluranlọwọ iwiregbe kan. Onimọ-ẹrọ naa lo igbesẹ kẹta (àlẹmọ imọ-ẹrọ) ati rii daju: iwe ibi-afẹde ti jo awọn abuda lairotẹlẹ (jijo data: awoṣe wo alaye ti ko yẹ ki o rii ni ikẹkọ). Iṣe gidi kere pupọ. Iṣiyemeji ẹlẹrọ, kii ṣe itumọ “nla” AI, ti fipamọ iṣẹ naa.
Ọran 3 - Idilọwọ irufin aṣiri. Ẹgbẹ kan ti nfi awọn iforukọsilẹ aṣiṣe iṣelọpọ sinu awoṣe ita ati sisọ “ṣatunṣe aṣiṣe yii”. Awọn nọmba idanimọ alabara wa ninu awọn akọọlẹ. Ẹgbẹ naa ṣe ofin ti kikọ iwe afọwọkọ kekere kan ti o boju-boju awọn akọọlẹ akọkọ (ṣe awọn nọmba ID wọn ***) ati fifiranṣẹ wọn ni ọna yẹn. Ewu ti irufin ti sọnu, iyara iranlọwọ ko yipada.
Awọn awoṣe idakọ
Iṣẹ-ṣiṣe: [kini lati ṣe, gbolohun kan] Ọrọ: [eto data, iwọn, awọn ihamọ; KO SI data ti ara ẹni gangan] Awọn ihamọ: [ede/ile-ikawe, iṣẹ ṣiṣe, atunṣe] Metrics: [bi o ṣe le wọn aṣeyọri]Ijade ti o fẹ: [koodu/apejuwe/akojọ] ati idi ni ọna kika yii
Ṣayẹwo koodu yii. Ṣe iṣiro kii ṣe pe o ṣiṣẹ nikan, ṣugbọn tun ni awọn ofin ti: 1) Awọn ọran eti (titẹwọle ofo, iwe ti o padanu, data ti o tobi pupọ) 2) Ewu ti jijo data3) Atunse (irugbin, ẹya) Daba awọn atunṣe fun iṣoro kọọkan ti o rii. Samisi "jẹrisi" nibiti o ko da ọ loju. Koodu: [koodu]
Ṣe itumọ abajade metiriki yii, ṣugbọn beere lọwọ akọkọ: ṣe metric yii jẹ deede fun iṣoro yii? išedede 0.99] Metiriki wo ni o ṣeduro ati idi, ati pe awọn ami wo ni MO yẹ ki n wa lati jẹ ki n ṣiyemeji abajade lọwọlọwọ?
Ṣayẹwo boya alaye ti ara ẹni/aṣiri wa ninu data ti Emi yoo fun ni kiakia. Ṣe atokọ awọn aaye (orukọ, imeeli, nọmba ID, foonu, adirẹsi) ti o nilo lati boju-boju ninu ọrọ ti o wa ni isalẹ. Ọrọ: [ọrọ]
Ipa ati tabili aṣẹ
Ibere
Awọn ipa ti Oríkĕ itetisi
Eni ti ipinnu
Egungun koodu / iṣẹ iyipada
osere monomono
Onimọ-ẹrọ (awọn atunyẹwo)
EDA / akopọ data
ohun imuyara
Onimọ-ẹrọ (ṣeduro nipasẹ idiwọn)
Itumọ metiriki
Imọran
ẹlẹrọ
Awọn data wo ni yoo lọ sinu ikẹkọ?
Imọran
Egbe + data eni
Fi awoṣe sinu iṣelọpọ
Olurannileti akojọ ayẹwo
Lodidi ẹlẹrọ + egbe
Sisẹ data ti ara ẹni
Ko si (ko lo)
Ofin + data oludari
Awọn aṣiṣe ti o wọpọ
- Lilo awọn o wu lai afọwọsi o. Aṣiṣe ti o wọpọ ati gbowolori julọ. Koodu tabi metric ti o dara ko tumọ si pe o tọ.
- Lilọ data asiri aise sinu ọpa naa. Ni kete ti o ti firanṣẹ, ko le gba pada.
- Gbẹkẹle metiriki ti ko tọ. Awọn metiriki ibaramu gẹgẹbi išedede ni data aipin ati RMSE ni awọn iṣoro ipo jẹ ṣinilọna.
- Aṣiṣe oye atọwọda bi oluṣe ipinnu. O fun awọn imọran; Awọn ojuse wa pẹlu awọn signer.
- Ailokun itọka. Awọn ibeere alaiṣedeede gẹgẹbi “kọ awoṣe kan” ṣe agbejade iṣelọpọ ti ko ṣee ṣe.
Ni akojọpọ
Imọye atọwọda jẹ mejeeji ọja ti o dagbasoke nipasẹ ẹlẹrọ ML ati olupilẹṣẹ ojoojumọ rẹ. Iwọn rẹ ga julọ ni eewu kekere, ni irọrun awọn iṣẹ ṣiṣe ti a rii daju bi koodu-data-document; Awọn ipinnu ti o kan owo, asiri ati aabo wa pẹlu eniyan naa. So iṣelọpọ kọọkan pọ si orisun, wiwọn lẹẹkansi, kọja nipasẹ àlẹmọ imọ-ẹrọ. Dabobo data asiri, lo awọn ọkọ ayọkẹlẹ ti a fọwọsi, ṣiṣẹ ni aabo fun awọn idi igbeja nikan. Ilana yii jẹ ipilẹ fun gbogbo awọn ẹya ti o tẹle.
Ohun elo iṣẹ-ṣiṣe
Yan iṣẹ kan lati inu iṣẹ akanṣe tirẹ (fun apẹẹrẹ kikọ iṣẹ ṣiṣe mimọ data). Ni akọkọ kọ itọsi alailagbara, lẹhinna kọ itọsi to lagbara nipa lilo awoṣe ni ẹyọ yii. Mu awọn abajade mejeeji, lo ijẹrisi-igbesẹ mẹta (ọna asopọ si orisun, atunṣiṣẹ, àlẹmọ imọ-ẹrọ). Ṣe akiyesi iru itọka wo ni o fipamọ iye iṣẹju ati iye awọn atunṣe.
akojọ ayẹwo
- [] Mo ti pinnu ipele ewu (kekere / giga) ti iṣẹ-ṣiṣe mi.
- [ ] Emi ko fi eyikeyi gangan ti ara ẹni / asiri data ninu awọn tọ; Mo boju-boju tabi lo ayẹwo sintetiki kan.
- [] Mo ti so awọn o wu si awọn orisun, ran o lẹẹkansi, filtered o lati ẹya ina- irisi.
- [] Mo ṣayẹwo pe Mo yan metiriki to pe.
- [] Mo ṣe ipinnu pataki (fifi si iṣelọpọ, ṣiṣe data) funrarami / pẹlu ẹgbẹ, Emi ko fi silẹ si oye atọwọda.
- [] Mo lo ọkọ ayọkẹlẹ ti a fọwọsi.