Kontrola znalostí
Poznámka:
Pokud chcete toto cvičení dokončit, přečtěte si případová studie. Na konci budete požádáni o radu zodpovězením otázek šeku znalostí.
Vítá vás Proseware! Byli jste přijati jako vedoucí datový vědec , který nám pomůže navrhnout řešení nasazení strojového učení.
Pochopení problému
V Proseware vyvíjíme mobilní aplikaci , která lékařům pomáhá rychleji diagnostikovat onemocnění u pacientů. Lékař může do aplikace zadat zdravotní údaje pacienta, aby získal diagnózu pro pacienta.
Naše první plánovaná funkce spočívá v tom, že aplikace řekne lékaři , jestli má být pacient dále monitorován nebo léčen cukrovkou.
Už jsme shromáždili data, která korelují s cukrovkou, jako je počet těhotenství, stáří a index tělesné hmotnosti (BMI). Máme také tým datových vědců pracujících na trénování modelu, který dokáže klasifikovat, jestli má pacient pravděpodobně cukrovku.
Potřebujeme vaši pomoc při rozhodování o tom, jak navrhnout model do produkčního prostředí.
Těšíme se na vaše rady ohledně návrhu řešení operací strojového učení (MLOps).
Zvažte požadavky
- Zvažte prostředí. V současné době pracujeme v malém týmu a vy jste jediným odborníkem na data. Chceme zjistit, jestli je tento projekt úspěšný, než skutečně vertikálně navýšit kapacitu a zapojit velký tým.
- Zvažte model. Vzhledem k tomu, že model slouží k pomoci lékařům, přesnost je pro nás důležitá. Model by se měl používat jenom tehdy, když víme, že funguje podle očekávání.
- Vezměte v úvahu data. Spouštíme malé a k otestování aplikace většinou použijeme nasazený model. Data, na kterých nasazený model generuje predikce, by neměla být použita k opětovnému trénování modelu, protože může být zkreslená.