Sistemas de AA de producción

Duración estimada del módulo: 70 minutos

Objetivos de aprendizaje

• Valorar la amplitud de los componentes de un sistema de AA de producción
• Elegir el paradigma de entrenamiento ideal (estático o dinámico)
• Elige el paradigma de inferencia ideal (estático o dinámico).
• Prueba tu implementación de aprendizaje automático.
• Haz las preguntas correctas sobre tu sistema de AA de producción.
• Determinar las fallas en modelos de AA del mundo real
• Supervisar los componentes de un sistema de AA de producción

Requisitos previos:

En este módulo, se supone que estás familiarizado con los conceptos que se abordan en los siguientes módulos:

• Introducción al aprendizaje automático
• Regresión lineal
• Cómo trabajar con datos numéricos
• Cómo trabajar con datos categóricos
• Conjuntos de datos, generalización y sobreajuste

Hasta ahora, este curso se enfocó en la creación de modelos de aprendizaje automático (AA). Sin embargo, como se sugiere en la figura 1, los sistemas de AA de producción del mundo real son grandes de ecosistemas nuevos y el modelo es solo una parte única y relativamente pequeña.

Figura 1: Un sistema de AA de producción real consta de muchos componentes.

 

El AA es el centro de un sistema de producción de aprendizaje automático del mundo real pero a menudo representa solo el 5% o menos de la base de código total el sistema. No es un error tipográfico; es significativamente menor de lo que lo que espera. Ten en cuenta que un sistema de producción de AA dedica recursos considerables a los datos de entrada: recopilarlos, verificarlos y extraer atributos.

Centro de ayuda