Optimalkan Otomatis Personalizer (Pratinjau)
Penting
Mulai tanggal 20 September 2023 Anda tidak akan dapat membuat sumber daya Personalizer baru. Layanan Personalizer dihentikan pada tanggal 1 Oktober 2026.
Pendahuluan
Pengoptimalan otomatis personalizer menghemat upaya manual Anda dalam menjaga perulangan Personalizer pada performa pembelajaran mesin terbaiknya, dengan secara otomatis mencari Pengaturan Pembelajaran yang ditingkatkan yang digunakan untuk melatih model Anda dan menerapkannya. Personalizer memiliki kriteria ketat untuk menerapkan Pengaturan Pembelajaran baru untuk memastikan peningkatan tidak akan menimbulkan kerugian dalam penghargaan.
Personalizer Auto-Optimize berada di Pratinjau Publik dan fitur, pendekatan, dan proses akan berubah berdasarkan umpan balik pengguna.
Kapan menggunakan Optimalkan Otomatis
Dalam kebanyakan kasus, opsi terbaik adalah mengaktifkan Optimalkan Otomatis. Optimalkan Otomatis adalah pada untuk default untuk perulangan Personalizer baru.
Optimalkan otomatis dapat membantu dalam situasi berikut:
- Anda membangun aplikasi yang digunakan oleh banyak penyewa, dan masing-masing mendapatkan perulangan Personalizer mereka sendiri; misalnya, jika Anda meng-hosting beberapa situs e-niaga. Optimalkan Otomatis memungkinkan Anda untuk menghindari upaya manual yang Anda perlukan untuk menyetel pengaturan pembelajaran untuk sejumlah besar perulangan Personalizer.
- Anda telah menyebarkan Personalizer dan memvalidasi bahwa itu berfungsi dengan baik, mendapatkan imbalan yang baik, dan Anda telah memastikan tidak ada bug atau masalah dalam fitur Anda.
Catatan
Optimalkan Otomatis akan secara berkala menimpa Pengaturan Pembelajaran Personalizer. Jika kasus atau industri penggunaan Anda memerlukan audit dan arsip model dan pengaturan, atau jika Anda memerlukan cadangan pengaturan sebelumnya, Anda dapat menggunakan Personalizer API untuk mengambil Pengaturan Pembelajaran, atau mengunduhnya melalui portal Microsoft Azure.
Cara mengaktifkan dan menonaktifkan Optimalkan Otomatis
Untuk Mengaktifkan Optimalkan Otomatis, gunakan sakelar pengalih di bilah "Pengaturan Model dan Pembelajaran" di portal Microsoft Azure.
Atau, Anda dapat mengaktifkan Optimalkan Otomatis menggunakan /configurations/service Personalizer API.
Untuk menonaktifkan Optimalkan Otomatis, nonaktifkan tombol.
Optimalkan laporan secara otomatis
Di bilah Pengaturan Model dan Pembelajaran, Anda dapat melihat riwayat pengoptimalan otomatis dan tindakan yang diambil pada masing-masing.
Tabel menunjukkan:
- Ketika pengoptimalan otomatis berjalan,
- Jendela data apa yang disertakan,
- Apa performa imbalan dari Pengaturan Pembelajaran online, dasar, dan terbaik yang ditemukan,
- Tindakan yang diambil: jika Pengaturan Pembelajaran diperbarui atau tidak.
Performa hadiah dari pengaturan pembelajaran yang berbeda di setiap baris riwayat pengoptimalan otomatis ditampilkan dalam angka absolut, dan sebagai persentase relatif terhadap performa dasar.
Contoh: Jika imbalan rata-rata dasar Anda diperkirakan 0,20, dan perilaku Personalizer online mencapai 0,30, ini akan ditampilkan masing-masing sebagai 100% dan 150%. Jika pengoptimalan otomatis menemukan pengaturan pembelajaran yang mampu mencapai hadiah rata-rata 0,40, itu akan ditampilkan sebagai 200% (0,40 adalah 200% dari 0,20). Dengan asumsi margin kepercayaan memungkinkannya, pengaturan baru akan diterapkan, dan kemudian ini akan mendorong Personalizer sebagai pengaturan Online sampai eksekusi berikutnya.
Riwayat hingga 24 eksekusi Optimalkan Otomatis sebelumnya disimpan untuk analisis Anda. Anda dapat mencari detail selengkapnya tentang Evaluasi Offline dan laporan tersebut untuk masing-masing. Selain itu, laporan berisi Pengaturan Pembelajaran apa pun yang ada dalam riwayat ini, yang dapat Anda temukan dan unduh atau terapkan.
Cara kerjanya
Personalizer terus melatih model AI yang digunakannya berdasarkan imbalan. Pelatihan ini dilakukan dengan mengikuti beberapa Pengaturan Pembelajaran, yang berisi hiper-parameter dan nilai-nilai lain yang digunakan dalam proses pelatihan. Pengaturan pembelajaran ini dapat "disetel" ke instans Personalizer spesifik Anda.
Personalizer juga memiliki kemampuan untuk melakukan Evaluasi Offline. Evaluasi Offline melihat data sebelumnya, dan dapat menghasilkan estimasi statistik dari imbalan rata-rata yang dapat dicapai oleh algoritma dan model Personalizer yang berbeda. Selama proses ini Personalizer juga akan mencari Pengaturan Pembelajaran yang lebih baik, memperkirakan performa mereka (berapa banyak imbalan yang akan mereka dapatkan) selama periode waktu terakhir itu.
Pengoptimalan Otomatis frekuensi
Pengoptimalan Otomasi akan berjalan secara berkala, dan akan melakukan Pengoptimalan Otomatis berdasarkan data sebelumnya
- Jika aplikasi Anda mengirim ke Personalizer lebih dari sekitar 20 Mb data dalam dua minggu terakhir, aplikasi tersebut akan menggunakan data dua minggu terakhir.
- Jika aplikasi Anda mengirim kurang dari jumlah ini, Personalizer akan menambahkan data dari hari-hari sebelumnya sampai ada cukup data untuk dioptimalkan, atau mencapai data yang paling awal disimpan (hingga jumlah hari Retensi Data).
Waktu dan hari yang tepat saat Pengoptimalan Otomatis berjalan ditentukan oleh layanan Personalizer, dan akan berfluktuasi seiring waktu.
Kriteria untuk memperbarui pengaturan pembelajaran
Personalizer menggunakan estimasi imbalan ini untuk memutuskan apakah akan mengubah Pengaturan Pembelajaran saat ini untuk orang lain. Setiap estimasi adalah kurva distribusi, dengan batas keyakinan atas dan bawah 95%. Personalizer hanya akan menerapkan Pengaturan Pembelajaran baru jika:
- Mereka menunjukkan imbalan rata-rata yang lebih tinggi dalam periode evaluasi, DAN
- Mereka memiliki batas yang lebih rendah dari interval kepercayaan 95%, yang lebih tinggi dari batas bawah interval kepercayaan 95% dari Pengaturan Pembelajaran online. Kriteria untuk memaksimalkan peningkatan imbalan ini, sambil mencoba menghilangkan kemungkinan hilangnya imbalan di masa depan dikelola oleh Personalizer dan diambil dari penelitian dalam algoritma Seldonian dan keselamatan AI.
Batasan Pengoptimalan Otomatis
Personalizer Pengoptimalan Otomatis mengandalkan evaluasi periode lalu untuk memperkirakan performa di masa depan. Ada kemungkinan bahwa karena faktor eksternal di dunia, aplikasi Anda, dan pengguna Anda, estimasi dan prediksi tentang model Personalizer yang dilakukan untuk periode lalu tidak mewakili masa depan.
Pratinjau Pengoptimalan Otomatis tidak tersedia untuk perulangan Personalizer yang telah mengaktifkan fungsionalitas Pratinjau API personalisasi Multi-Slot.