Het zakelijke probleem begrijpen
Als machine learning-engineer bij Proseware werkt u samen met veel technische belanghebbenden. Naast het werken met het data science-team dat een diabetesclassificatiemodel heeft getraind, werkt u ook samen met de softwareontwikkelaars die verantwoordelijk zijn voor de webtoepassing (gebruikt door beoefenaars) die het model gaan gebruiken.
Als u zich wilt aanpassen aan nieuwe vereisten, wordt de web-app in de loop van de tijd bijgewerkt en op dezelfde manier wordt verwacht dat het model na verloop van tijd verandert. Wanneer er sprake is van gegevensdrift of een afname van de modelprestaties, wordt het data science-team gevraagd het model te herzien en de code dienovereenkomstig bij te werken.
Wanneer een wijziging in het model nodig is, moet het data science-team het model experimenteren, testen en verpakken. Terwijl ze aan een nieuw en verbeterd model werken, moet het model in productie ongewijzigd blijven om een stabiele ervaring te garanderen voor de beoefenaars die met de web-app werken.
Als machine learning-engineer wilt u op functies gebaseerde ontwikkeling instellen voor de gegevenswetenschappers. Door te werken met vertakkingen in uw broncodebeheer, beveiligt u de hoofdbranch, die de productiecode bevat, en kunt u gegevenswetenschappers veilig experimenteren in hun eigen vertakkingen.
Als u op functies gebaseerde ontwikkeling wilt instellen, wilt u het volgende doen:
- Eventuele directe pushs naar de hoofdbranch blokkeren.
- Werk met pull-aanvragen wanneer er een update van de code nodig is.
- Kwaliteitscontroles van code activeren wanneer een pull-aanvraag wordt gemaakt om de code automatisch te verifiëren.
- Voeg een pull-aanvraag alleen samen wanneer wijzigingen handmatig worden goedgekeurd.