Introdução
Soluções de machine learning projetadas cuidadosamente formam a base dos aplicativos de IA atuais. Desde análise preditiva até recomendações personalizadas e além, as soluções de machine learning dão suporte aos avanços tecnológicos mais recentes na sociedade usando dados existentes para produzir novos insights.
Os cientistas de dados tomam decisões para resolver problemas de aprendizado de máquina de diferentes maneiras. As decisões tomadas afetam o custo, a velocidade, a qualidade e a longevidade da solução.
Neste módulo, você aprenderá a criar uma solução de machine learning de ponta a ponta com o Microsoft Azure que pode ser usada em um ambiente empresarial. Usando as seis etapas a seguir como uma estrutura, exploramos como planejar, treinar, implantar e monitorar soluções de machine learning.
- Defina o problema: decida o que o modelo deve prever e determine quando ele será considerado bem-sucedido.
- Obter os dados: localizar fontes de dados e obter acesso.
- Prepare os dados: explore os dados. Limpe e transforme os dados com base nos requisitos do modelo.
- Treine o modelo: escolha um algoritmo e valores de hiperparâmetro com base na avaliação e no erro.
- Integre o modelo: implante o modelo em um ponto de extremidade para gerar previsões.
- Monitore o modelo: monitore o desempenho do modelo.
Observação
O diagrama é uma representação simplificada do processo de aprendizado de máquina. Normalmente o processo é iterativo e contínuo. Por exemplo, ao monitorar o modelo, você pode decidir voltar e novamente treinar esse modelo.
Em seguida, vamos examinar como podemos começar a usar uma solução de machine learning definindo o problema.