Introdução
Soluções de aprendizado de máquina cuidadosamente projetadas formam a base dos aplicativos de IA atuais. Da análise preditiva às recomendações personalizadas e muito mais, as soluções de aprendizado de máquina apoiam os mais recentes avanços tecnológicos na sociedade, usando dados existentes para produzir novos insights.
Como cientista de dados, você pode tomar decisões para lidar com problemas de aprendizado de máquina de diferentes maneiras. As decisões que você toma afetam o custo, a velocidade, a qualidade e a longevidade da solução.
Neste módulo, você aprenderá a projetar uma solução de aprendizado de máquina de ponta a ponta com o Microsoft Azure que pode ser usada em uma configuração corporativa. Usando as seis etapas a seguir como uma estrutura, exploramos como planejar, treinar, implantar e monitorar soluções de aprendizado de máquina.
- Definir o problema: Decida o que o modelo deve prever e quando é bem-sucedido.
- Obter os dados: encontre fontes de dados e obtenha acesso.
- Preparar os dados: explore os dados. Limpe e transforme os dados com base nos requisitos do modelo.
- Treinar o modelo: Escolha um algoritmo e valores de hiperparâmetros com base em tentativa e erro.
- Integrar o modelo: implante o modelo em um ponto de extremidade para gerar previsões.
- Monitore o modelo: acompanhe o desempenho do modelo.
Nota
O diagrama é uma representação simplificada do processo de aprendizagem automática. Normalmente, o processo é iterativo e contínuo. Por exemplo, ao monitorar o modelo, você pode decidir voltar e treinar novamente o modelo.