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
麻雀无能为力2 小时前
CAU数据挖掘实验 表分析数据插件
人工智能·数据挖掘·中国农业大学
时序之心2 小时前
时空数据挖掘五大革新方向详解篇!
人工智能·数据挖掘·论文·时间序列
.30-06Springfield2 小时前
人工智能概念之七:集成学习思想(Bagging、Boosting、Stacking)
人工智能·算法·机器学习·集成学习
说私域3 小时前
基于开源AI智能名片链动2+1模式S2B2C商城小程序的超级文化符号构建路径研究
人工智能·小程序·开源
永洪科技3 小时前
永洪科技荣获商业智能品牌影响力奖,全力打造”AI+决策”引擎
大数据·人工智能·科技·数据分析·数据可视化·bi
shangyingying_13 小时前
关于小波降噪、小波增强、小波去雾的原理区分
人工智能·深度学习·计算机视觉
书玮嘎4 小时前
【WIP】【VLA&VLM——InternVL系列】
人工智能·深度学习
猫头虎5 小时前
猫头虎 AI工具分享:一个网页抓取、结构化数据提取、网页爬取、浏览器自动化操作工具:Hyperbrowser MCP
运维·人工智能·gpt·开源·自动化·文心一言·ai编程
要努力啊啊啊5 小时前
YOLOv2 正负样本分配机制详解
人工智能·深度学习·yolo·计算机视觉·目标跟踪