Określenie problemu biznesowego
Aby uzyskać wartość z modelu uczenia maszynowego, musisz go wdrożyć. Za każdym razem, gdy wdrażasz model, możesz generować przewidywania zawsze wtedy, gdy jest to konieczne, aby uzyskać szczegółowe informacje.
W firmie Proseware, start-up w opiece zdrowotnej, pomagasz w tworzeniu aplikacji internetowej, która pomoże lekarzom diagnozować choroby u pacjentów szybciej. Gdy lekarz wprowadza informacje medyczne pacjenta, aplikacja będzie mogła przekazać szczegółowe informacje na temat prawdopodobieństwa, że pacjent ma chorobę.
Pierwszym przypadkiem użycia jest ułatwienie lekarzom szybszego diagnozowania cukrzycy. Po zbadaniu danych medycznych zespół ds. nauki o danych wytrenował model, aby zdiagnozować, czy pacjent może mieć cukrzycę. Model jest wystarczająco dokładny do implementacji. Teraz wyzwaniem jest użycie modelu w aplikacji internetowej do generowania przewidywań.
Ponieważ model i aplikacja są zaprojektowane tak, aby pomóc lekarzowi w razie potrzeby, nie chcesz używać modelu dla wszystkich pacjentów. Zamiast tego chcesz dać lekarzowi możliwość wprowadzenia danych pacjenta do aplikacji internetowej, gdy istnieje powód, aby przekonać, że pacjent może mieć cukrzycę. Aby zapobiec kosztownym i niepotrzebnym testom, przewidywania modelu dotyczące prawdopodobieństwa pacjenta z cukrzycą będą służyć jako pierwszy filtr, aby zdecydować, kto powinien zostać przetestowany i kto nie powinien.
W przyszłości do aplikacji internetowej zostanie dodanych więcej modeli uczenia maszynowego, które ułatwiają diagnozowanie chorób. Wszystko, aby pomóc lekarzowi w podejmowaniu większej liczby decyzji opartych na danych, na których należy uruchomić testy w celu sprawdzenia, czy pacjent ma chorobę.
Celem pierwszego projektu jest zapewnienie, że lekarz może wprowadzić informacje medyczne osoby w aplikacji i uzyskać bezpośrednie przewidywanie prawdopodobieństwa, że pacjent ma cukrzycę. Dzięki otrzymaniu bezpośredniego przewidywania lekarz może użyć aplikacji internetowej podczas konsultacji z pacjentem, aby szybko podjąć decyzję w sprawie następnych kroków.
Innymi słowy, należy wdrożyć model w punkcie końcowym czasu rzeczywistego. Aplikacja internetowa powinna mieć możliwość wysłania danych pacjenta do punktu końcowego i uzyskania przewidywania w zamian. Następnie należy zwizualizować przewidywanie w aplikacji internetowej, aby pomóc praktykowi.
Aby wdrożyć model, należy wykonać następujące kroki:
- Zarejestrowanie modelu.
- Wdróż model.
- Testowanie wdrożonego modelu.