Verificação de conhecimento
Nota
Para completar este exercício, leia o estudo de caso. No final, ser-lhe-á pedido que dê conselhos, respondendo às perguntas de verificação de conhecimentos.
Bem-vindo ao Proseware! Você foi contratado como cientista de dados líder para nos ajudar a projetar uma solução de implantação de aprendizado de máquina.
Entenda o problema
Na Proseware, estamos a desenvolver uma aplicação móvel que ajuda os médicos a diagnosticar doenças nos pacientes mais rapidamente. Um médico pode inserir os dados médicos do paciente no aplicativo para obter um diagnóstico para o paciente.
Nosso primeiro recurso planejado é que o aplicativo diga ao médico se o paciente deve ser rastreado ou tratado para diabetes.
Já recolhemos dados que se correlacionam com a diabetes, como o número de gravidezes, a idade e o índice de massa corporal (IMC). Também temos uma equipe de cientistas de dados trabalhando no treinamento de um modelo que pode classificar se um paciente tem probabilidade de ter diabetes.
Precisamos da sua ajuda para decidir como projetar para levar o modelo à produção.
Estamos ansiosos para seus conselhos sobre como projetar a solução de operações de aprendizado de máquina (MLOps)!
Considere os requisitos
- Considere os ambientes. Atualmente, estamos trabalhando em uma pequena equipe e você é o único cientista de dados envolvido. Queremos ver se este projeto é bem-sucedido antes de realmente expandir e envolver uma grande equipe.
- Considere o modelo. Como o modelo é usado para ajudar os médicos, a precisão é importante para nós. O modelo só deve estar em uso quando sabemos que está funcionando conforme o esperado.
- Considere os dados. Estamos começando pequenos e usaremos principalmente o modelo implantado para testar nosso aplicativo. Os dados sobre os quais o modelo implantado gera previsões não devem ser usados para treinar novamente o modelo, pois ele pode ser tendencioso.