Übung: Entwerfen einer Bereitstellungslösung

10 Minuten

Hinweis

Lesen Sie die folgende Fallstudie, um diese Übung abzuschließen. Am Ende werden Sie gebeten, Ratschläge zu geben, indem Sie die Fragen zur Wissensbeurteilung beantworten.

Willkommen bei Proseware! Sie wurden als leitender Data Scientist eingestellt, um uns bei der Entwicklung einer Bereitstellungslösung für maschinelles Lernen zu unterstützen.

Das Problem verstehen

Bei Proseware entwickeln wir eine mobile Anwendung, mit der Ärzte Krankheiten bei Patienten schneller diagnostizieren können. Ein Arzt kann die medizinischen Daten des Patienten in die App eingeben, um eine Diagnose für den Patienten zu erhalten.

Unser erstes geplantes Feature ist, dass die App den Arzt informiert, ob der Patient weiter untersucht oder auf Diabetes behandelt werden soll.

Wir haben bereits Daten gesammelt, die mit Diabetes korrelieren, z. B. die Anzahl der Schwangerschaften, das Alter und den Body Mass Index (BMI). Wir haben auch ein Team von Data Scientists, das daran arbeitet, ein Modell zu trainieren, mit dem klassifiziert werden kann, ob ein Patient wahrscheinlich an Diabetes leidet.

Wir benötigen Ihre Hilfe bei der Entscheidung, wie das Modell bereitgestellt werden soll, damit es mit unserer mobilen Anwendung integriert werden kann.

Wir freuen uns auf Ihre Beratung hinsichtlich der Frage, wie die Bereitstellungslösung für das Modell entworfen werden soll!

Abwägen der Anforderungen

Anforderung	BESCHREIBUNG
	Berücksichtigen Sie die Häufigkeit. Der Plan ist, dass ein Arzt die Informationen eines Patienten in die App eingibt, z. B. Alter und BMI. Nach der Eingabe kann ein Arzt die Schaltfläche `Analyze` wählen. Danach sollte das Modell vorhersagen, ob ein Patient wahrscheinlich Diabetes hat oder nicht.
	Berücksichtigen Sie die Compute-Ausführung. Eine Arztkonsultation dauert in der Regel weniger als 10 Minuten. Wenn wir möchten, dass Ärzte diese App verwenden, müssen die Antworten so schnell wie möglich zurückgegeben werden. Das bereitgestellte Modell sollte immer verfügbar sein, da wir nicht wissen, wann ein Arzt es möglicherweise verwendet.
	Berücksichtigen Sie die Größe. Ein Arzt verwendet die App nur, um eine Vorhersage hinsichtlich der Situation einer Person zu erhalten. Es ist nicht erforderlich, Vorhersagen zu mehreren Patienten gleichzeitig zu generieren.