Giriş
Düşünceli bir şekilde tasarlanmış makine öğrenmesi çözümleri, günümüzün yapay zeka uygulamalarının temelini oluşturur. Tahmine dayalı analizden kişiselleştirilmiş önerilere ve ötesine makine öğrenmesi çözümleri, mevcut verileri kullanarak yeni içgörüler oluşturarak toplumdaki en son teknolojik ilerlemeleri destekler.
Veri bilimcisi olarak makine öğrenmesi sorunlarını farklı şekillerde ele almak için kararlar alabilirsiniz. Yaptığınız kararlar çözümün maliyetini, hızını, kalitesini ve uzun ömürlülüğünü etkiler.
Bu modülde, Microsoft Azure ile kurumsal bir ayarda kullanılabilecek uçtan uca bir makine öğrenmesi çözümü tasarlamayı öğreneceksiniz. Aşağıdaki altı adımı çerçeve olarak kullanarak makine öğrenmesi çözümlerini planlamayı, eğitmeyi, dağıtmayı ve izlemeyi keşfediyoruz.
- Sorunu tanımlayın: Modelin ne zaman tahmin etmesi gerektiğine ve ne zaman başarılı olacağını belirleyin.
- Verileri alma: Veri kaynaklarını bulun ve erişim elde edin.
- Verileri hazırlama: Verileri keşfedin. Modelin gereksinimlerine göre verileri temizleyin ve dönüştürün.
- Modeli eğitme: Deneme ve hataya göre bir algoritma ve hiper parametre değerleri seçin.
- Modeli tümleştirme: Tahminler oluşturmak için modeli bir uç noktaya dağıtın.
- Modeli izleme: Modelin performansını izleyin.
Not
Diyagram, makine öğrenmesi işleminin basitleştirilmiş bir gösterimidir. Genellikle süreç yinelemeli ve süreklidir. Örneğin, modeli izlerken geri dönüp modeli yeniden eğitmeye karar vekleyebilirsiniz.