机器学习:机器学习项目的完整周期

建立一个有价值的机器学习系统时,需要考虑和计划哪些步骤?

以语音识别为例演示机器学习项目的全周期:机器学习项目的第一步是对项目进行范围划分 ,即决定什么是项目和你想做什么,然后是收集数据 ,所以决定需要什么数据来训练你的机器学习系统,并为数据获取标签,这就是数据收集,在进行初始数据收集后,就可以开始训练模型 ,所以在这里,将训练一个语音识别系统,并进行错误分析 ,并迭代改进模型 ,进行误差分析或进行偏差方差分析,决定是否要收集更多的数据或者收集更多特定类型的数据,错误分析是为了提高学习算法的性能,重复这个过程,从训练模型到误差分析。收集更多数据,直到最终认为模型足够好,然后在生产环境中部署,让用户可以使用它,当部署 一个系统时,还希望确保继续监视系统的性能,并维护系统以防止性能变差,使它的性能恢复,有时并不像希望的那样有效,所以再次进行训练再次改进它,甚至获取更多的数据。

在训练了一个高性能的机器学习模型后,部署模型的一种常见方法是使用机器学习模型,在一个服务器中实现,将调用一个推理服务器,它的工作是把你的机器学习模型(你训练的模型)做出预测,一个推理服务器,它让模型根据输入反复做出预测,所以这是一个常见的模式,取决于实现的应用程序。需要根据所需的应用规模来决定使用什么样的软件工程,推理服务器能够做出可靠有效的预测,对于某些应用程序,部署过程可能需要一定数量的软件工程,如果只是在笔记本电脑或者一两个服务上运行它,也许不需要太多的软件工程,机器学习中有一个不断增长的领域叫做MLOPS,这代表机器学习操作,这是指构建、部署和维护机器学习系统,做所有这些事情,以确保机器学习模型是可靠的,并有良好的损耗监测,然后对模型进行适当的更新。

相关推荐
Ronin-Lotus3 小时前
深度学习篇---剪裁&缩放
图像处理·人工智能·缩放·剪裁
cpsvps4 小时前
3D芯片香港集成:技术突破与产业机遇全景分析
人工智能·3d
国科安芯4 小时前
抗辐照芯片在低轨卫星星座CAN总线通讯及供电系统的应用探讨
运维·网络·人工智能·单片机·自动化
AKAMAI4 小时前
利用DataStream和TrafficPeak实现大数据可观察性
人工智能·云原生·云计算
微光-沫年4 小时前
150-SWT-MCNN-BiGRU-Attention分类预测模型等!
机器学习·matlab·分类
Ai墨芯1115 小时前
深度学习水论文:特征提取
人工智能·深度学习
无名工程师5 小时前
神经网络知识讨论
人工智能·神经网络
nbsaas-boot5 小时前
AI时代,我们更需要自己的开发方式与平台
人工智能
SHIPKING3935 小时前
【机器学习&深度学习】LLamaFactory微调效果与vllm部署效果不一致如何解决
人工智能·深度学习·机器学习
jonyleek6 小时前
如何搭建一套安全的,企业级本地AI专属知识库系统?从安装系统到构建知识体系,全流程!
人工智能·安全