Verstehen des Geschäftsproblems
Damit Sie von einem Machine Learning-Modell profitieren, müssen Sie es bereitstellen. Wenn Sie ein Modell bereitstellen, können Sie bei Bedarf Vorhersagen generieren, um Einblicke zu erhalten.
Bei Proseware, einem Start-Up in der Gesundheitsversorgung, haben Sie bei der Entwicklung einer Webanwendung geholfen, die den Ärzten hilft, Krankheiten bei Patienten schneller zu diagnostizieren. Wenn ein Arzt die medizinischen Informationen eines Patienten eingibt, kann die App Einblicke zur Wahrscheinlichkeit geben, dass dieser Patient eine Krankheit hat.
Im ersten Anwendungsfall werden Ärzte dabei unterstützt, Diabetes schneller zu diagnostizieren. Nach der Erforschung medizinischer Daten hat das Data Science-Team ein Modell trainiert, um zu diagnostizieren, ob ein Patient wahrscheinlich Diabetes hat. Das Modell ist für die Implementierung genau genug. Jetzt besteht die Herausforderung darin, das Modell in der Web-App zu verwenden, um Vorhersagen zu generieren.
Da das Modell und die App so konzipiert sind, dass der Arzt bei Bedarf unterstützt wird, möchten Sie das Modell nicht für alle Patienten verwenden. Stattdessen möchten Sie dem Arzt die Möglichkeit geben, die Daten des Patienten in die Web-App einzugeben, wenn Grund zur Annahme besteht, dass der Patient Diabetes hat. Zur Verhinderung von kostspieligen und unnötigen Tests dienen die Prognosen des Modells zur Wahrscheinlichkeit, dass ein Patient Diabetes hat, als erster Filter, um zu entscheiden, wer getestet werden soll und wer nicht.
In Zukunft werden der Web-App weitere Machine Learning-Modelle zur Diagnose von Krankheiten hinzugefügt. All dies soll den Arzt dabei unterstützen, mehr datengesteuerte Entscheidungen darüber zu treffen, welche Tests ausgeführt werden sollten, um zu überprüfen, ob ein Patient erkrankt ist.
Das erste Projekt soll sicherstellen, dass ein Arzt die medizinischen Informationen einer Person in die App eingeben kann und eine direkte Vorhersage zur Wahrscheinlichkeit erhält, dass der Patient Diabetes hat. Die direkte Vorhersage ermöglicht es dem Arzt, die Web-App in einem Gespräch mit dem Patienten zu verwenden, um schnell eine Entscheidung über die nächsten Schritte zu treffen.
Mit anderen Worten: Sie müssen das Modell auf einem Echtzeitendpunkt bereitstellen. Die Web-App sollte in der Lage sein, die Daten des Patienten an den Endpunkt zu senden und eine Vorhersage zurückzuerhalten. Die Vorhersage sollte dann in der Web-App visualisiert werden, um den Arzt zu unterstützen.
Für die Bereitstellung eines Modells sollten Sie Folgendes ausführen:
- Registrieren des Modells.
- Bereitstellen des Modells.
- Testen des bereitgestellten Modells