Identificar tarefas de aprendizado de máquina

Concluído

Imagine que você é um cientista de dados que precisa treinar um modelo de machine learning.

Você pretende seguir as seis seguintes etapas para planejar, treinar, implantar e monitorar o modelo:

1. Definir o problema: decida o que o modelo deve prever e quando ele será bem-sucedido.
2. Obter os dados: localize as fontes de dados e obtenha acesso.
3. Preparar os dados: explore os dados. Limpe e transforme os dados com base nos requisitos do modelo.
4. Treinar o modelo: escolha um algoritmo e valores de hiperparâmetros com base em tentativa e erro.
5. Integrar o modelo: implante o modelo em um ponto de extremidade para gerar as previsões.
6. Monitorar o modelo: acompanhe o desempenho do modelo.

Observação

O diagrama é uma representação simplificada do processo de aprendizado de máquina. Normalmente o processo é iterativo e contínuo. Por exemplo, ao monitorar o modelo, você pode decidir voltar e novamente treinar esse modelo.

Começando com a primeira etapa, você deseja definir o problema que o modelo resolverá compreendendo:

• Qual deve ser a saída do modelo.
• Que tipo de tarefa de aprendizado de máquina você usará.
• Quais critérios tornam um modelo bem-sucedido.

Dependendo dos dados que você tem e da saída esperada do modelo, você pode identificar a tarefa de aprendizado de máquina. A tarefa determinará os tipos de algoritmos que você poderá usar para treinar o modelo.

Algumas tarefas comuns de aprendizado de máquina são:

1. Classificação: prever um valor categórico.
2. Regressão: prever um valor numérico.
3. Previsão de série temporal: prever valores numéricos futuros com base em dados com carimbo de data/hora.
4. Pesquisa visual computacional: classificar imagens ou detectar objetos em imagens.
5. NLP (processamento de linguagem natural): extraia insights do texto.

Para treinar um modelo, você tem um conjunto de algoritmos que pode usar, dependendo da tarefa que deseja executar. Para avaliar o modelo, você pode calcular métricas de desempenho, tais como a precisão. As métricas disponíveis também dependerão da tarefa que seu modelo precisa executar e ajudarão a decidir se um modelo foi bem-sucedido em sua tarefa.

Quando você souber qual é o problema que está tentando resolver e como avaliará o sucesso do modelo, poderá escolher o serviço para treinar e gerenciar seu modelo.