Transferir como PDF, PPTX
Carregado porDiogo Munaro Vieira
Machine Learning integrado ao produto de software: No more XGH
O documento discute as etapas e boas práticas do desenvolvimento de modelos de machine learning, incluindo coleta e preparação de dados, treinamento e predição. Também aborda a importância de testes automatizados, versionamento de código e monitoramento de modelos implantados. O autor compartilha links úteis e recursos sobre ferramentas e práticas recomendadas na área.
![[DTC21] Raphael Castilho - Começando com Inteligência Artificial e Machine Le...](https://cdn.slidesharecdn.com/ss_thumbnails/iaemachine-210317154040-thumbnail.jpg?width=640&height=640&fit=bounds)
Machine Learning integrado ao produto de software: No more XGH
- 1.
- 2.
- 3.
- 4. Machine Learning integrado ao produtode software No more XGH
- 5.
- 6.
- 7.
- 8.
- 9. Como os modelos SãoFeitos?
- 10. Como os modelos SãoFeitos? • Treino: • Obtençãode dados • Preparaçãodedados • BuscadeFeatures • Treinodomodelo • Otimizaçãodehiperparâmetros • Geraçãodomodelo • Predição: • Obtençãode dados • Preparaçãodedados • Predição
- 11.
- 12. Boas práticas em MachineLearning
- 13. Desenvolvimento De Software • TesteAutomatizado • Versionamento de Código / Modelo • Responsabilidades únicas • Legibilidadedocódigo • Padrõesdeprojeto • Etc…
- 14. Teste Automatizado https://www.test-institute.org/Automated_Software_Testing.php Paramodelo • Caixa Preta •Metamórfico (relação entre parâmetros) Paracódigo • Qualquer suite de teste • Python (Unittest) • R (RUnit)
- 15.
- 16.
- 17.
- 18.
- 19. Implantação De Software • AutomatizaçãodeDeploy •MonitoramentodeModelo • SLAdePredições
- 20.
- 21.
- 22. SLA de Predições PACBayessian: Probabilidade deuma probabilidade ser boa e encontrar limites probabilísticas que sua probabilidade pode chegar Qualataxadeerrodasuapredição?
- 23.