翻訳者 | Li Rui
査読者 | Sun Shujuan
過去数年間、世界のデジタル化は、組織や企業にユニークな機会と課題をもたらしました。データのブームにより、意思決定の精度を向上させる機会が増えましたが、この情報の分析と活用には、より多くの時間と費用がかかるようになりました。その結果、あらゆる規模の企業が、大量のデータを処理し、アナリストによって見落とされたり、不当に時間がかかりがちなパターンや相関関係を特定できる機械学習 (ML) モデルを導入しています。これらのモデルには、意思決定を強化し、優れたビジネス成果をもたらす力があります。たとえば、一部の機械学習モデルは、マーケティングや在庫計画を改善するために、特定の製品が今後 1 年間にどれだけ早く売れるかについて非常に正確な予測を行うことができます。他の企業は、数百万ドルの収益損失につながる可能性のある不正取引を特定できます。
しかし、機械学習モデルへの依存が高まるにつれ、モデルのパフォーマンスを監視し、人工知能への信頼を構築する必要性がより緊急になっています。機械学習モデルのモニタリングがなければ、MLOps チームとデータ サイエンス チームは次の問題に直面します:
- 一貫性のないモデルのパフォーマンス。機械学習モデルは履歴データに基づいてトレーニングされており、本番環境で表示される実際のデータとは異なる可能性があるため、この値は変動する可能性があります。
- 制御性とデバッグ性の欠如。複雑な機械学習システムは不透明であるため、実務者は機械学習モデルについて十分な知識がなく、問題が発生した場合の修正方法がわからない可能性があります。
- 偏見の例。機械学習モデルは、トレーニングの対象となるデータの隠れたバイアスを増幅する可能性があり、企業を法的リスクや風評リスクにさらし、消費者に有害な結果をもたらす可能性があります。
- 機械学習のパフォーマンスを向上させます。どのような改善が必要かを理解して追跡するのは難しいため、機械学習モデルは最初のリリース以降は追加の投資を受けられません。
MLOps チームは自分のモデルに自信を持てない可能性が高く、プロジェクトに費やす時間が長くなり、エラーが増える可能性があります。機械学習モデルのモニタリングにより、開発者はパイロット プロセスや運用プロセスでモデルをデバッグし、問題が発生したときにそれを捕捉できます。これは、今日の世界において極めて重要な、説明可能で公正かつ倫理的な AI ソリューションを実現する最も効率的な方法です。銀行がローンの承認に機械学習システムを使用しているとします。銀行は、特定のローンが拒否された理由を銀行に尋ねる顧客からの苦情を受ける可能性があり、銀行はモデルがその決定を下した理由を説明する責任があります。適切な監視ソリューションがなければ、この質問に対する答えを追跡することはほぼ不可能です。
機械学習モデルが不正行為の予測、融資の承認、広告のターゲティングを担うかどうかに関係なく、発生する小さな変化がモデルのドリフト、不正確なレポート、またはバイアスを引き起こす可能性があり、そのすべてが収益の損失やブランドへの影響をもたらす可能性があります。信頼性。
今日のモデル監視における課題
残念なことに、今日組織が依存している機械学習モデルの多様性と数により、機械学習モデルの監視はより複雑になっています。機械学習モデルは現在、マネーロンダリング対策、求人マッチング、臨床診断、惑星監視などの幅広いユースケースに対応しています。また、さまざまな表現 (表、時系列、テキスト、画像、ビデオ、オーディオ) もあります。これらのモデルは企業が扱う必要がある膨大な量のデータを処理できますが、データの追跡ははるかに困難でコストがかかります。
一部の企業は、これらの課題を克服するために、広範な運用可視性をサポートするように設計された従来のインフラストラクチャ監視ソリューションを導入しています。社内で独自のツールを作成しようとする人もいます。いずれの場合も、これらのソリューションは機械学習システム固有のニーズを満たせないことがよくあります。従来のソフトウェア システムとは異なり、機械学習システムのパフォーマンスは不確実で、季節性、新しいユーザー行動傾向、多くの場合非常に高次元の上流データ システムなどのさまざまな要因に依存します。たとえば、完全に機能する広告モデルは、新しいホリデー シーズンが到来すると更新する必要がある場合があります。同様に、米国でコンテンツを推奨するようにトレーニングされた機械学習モデルは、海外のユーザー登録にはうまく応用できない可能性があります。あるいは、企業は、モデルが古いために拡張できない、生産のトラブルシューティング時間の無駄、社内ツールのメンテナンスにかかる追加コストなどの問題に直面することがよくあります。
機械学習モデルの可視性と説明可能性を実現し、モデル監視の一般的な課題を克服するには、企業は機械学習モデルを簡単に監視、解釈、分析、改善し、モデルのパフォーマンス管理 (MPM) を導入できるソリューションを必要としています。
モデル パフォーマンス管理 (MPM) がパフォーマンスとバイアスに対処する方法
モデル パフォーマンス管理 (MPM) は、機械学習ワークフローの中心となる集中制御システムであり、機械学習のすべての段階でパフォーマンスを追跡します。モデルのライフサイクル、パフォーマンス、および機械学習のフィードバック ループを終了します。モデル パフォーマンス管理 (MPM) を使用すると、企業は説明と根本原因分析を通じて実用的な深い洞察を発見できると同時に、機械学習のパフォーマンスの問題を即座に表面化し、ビジネスへの悪影響を回避できます。
モデル パフォーマンス管理 (MPM) は、モデルのビジネス価値とパフォーマンスを継続的かつ自動的に再評価し、運用環境でのモデル パフォーマンスに関するアラートを発行し、開発者がバイアスの最初の兆候に積極的に対応できるように支援します。モデル パフォーマンス管理 (MPM) は、トレーニングからリリースまでモデルの動作を追跡するため、特定の予測につながる要因を説明することもできます。モデルのモニタリングを、説明可能性やモデルの公平性などの機械学習の可観測性の他の柱と組み合わせることで、機械学習エンジニアやデータ サイエンティストに、機械学習のワークフローに組み込むことができる包括的なツールキットが提供され、モデルの検証とモニタリングのユースケース全体にわたる単一のダッシュボードが提供されます。企業がモデル パフォーマンス管理 (MPM) から恩恵を受けるのは、モデルの監視がより効率的になるだけでなく、高額な規制上の罰金や風評被害につながるバイアスの事例が減るからでもあります。機械学習モデルには、ライフサイクル全体を通じて継続的なモデルの監視と再トレーニングが必要です。モデル パフォーマンス管理 (MPM) を使用すると、開発者はモデルに自信を持ち効率が向上するだけでなく、AI 結果の背後にある理由とプロセスを理解し、検証することもできます。
元のタイトル: モデル パフォーマンス管理 (MPM) による ML モデル監視の課題の解決 、著者: クリシュナラム・ケンタパディ
以上がモデル パフォーマンス管理 (MPM) で機械学習モデルの監視の課題を解決するの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

机器学习是一个不断发展的学科,一直在创造新的想法和技术。本文罗列了2023年机器学习的十大概念和技术。 本文罗列了2023年机器学习的十大概念和技术。2023年机器学习的十大概念和技术是一个教计算机从数据中学习的过程,无需明确的编程。机器学习是一个不断发展的学科,一直在创造新的想法和技术。为了保持领先,数据科学家应该关注其中一些网站,以跟上最新的发展。这将有助于了解机器学习中的技术如何在实践中使用,并为自己的业务或工作领域中的可能应用提供想法。2023年机器学习的十大概念和技术:1. 深度神经网

实现自我完善的过程是“机器学习”。机器学习是人工智能核心,是使计算机具有智能的根本途径;它使计算机能模拟人的学习行为,自动地通过学习来获取知识和技能,不断改善性能,实现自我完善。机器学习主要研究三方面问题:1、学习机理,人类获取知识、技能和抽象概念的天赋能力;2、学习方法,对生物学习机理进行简化的基础上,用计算的方法进行再现;3、学习系统,能够在一定程度上实现机器学习的系统。

本文将详细介绍用来提高机器学习效果的最常见的超参数优化方法。 译者 | 朱先忠审校 | 孙淑娟简介通常,在尝试改进机器学习模型时,人们首先想到的解决方案是添加更多的训练数据。额外的数据通常是有帮助(在某些情况下除外)的,但生成高质量的数据可能非常昂贵。通过使用现有数据获得最佳模型性能,超参数优化可以节省我们的时间和资源。顾名思义,超参数优化是为机器学习模型确定最佳超参数组合以满足优化函数(即,给定研究中的数据集,最大化模型的性能)的过程。换句话说,每个模型都会提供多个有关选项的调整“按钮

截至3月20日的数据显示,自微软2月7日推出其人工智能版本以来,必应搜索引擎的页面访问量增加了15.8%,而Alphabet旗下的谷歌搜索引擎则下降了近1%。 3月23日消息,外媒报道称,分析公司Similarweb的数据显示,在整合了OpenAI的技术后,微软旗下的必应在页面访问量方面实现了更多的增长。截至3月20日的数据显示,自微软2月7日推出其人工智能版本以来,必应搜索引擎的页面访问量增加了15.8%,而Alphabet旗下的谷歌搜索引擎则下降了近1%。这些数据是微软在与谷歌争夺生

荣耀的人工智能助手叫“YOYO”,也即悠悠;YOYO除了能够实现语音操控等基本功能之外,还拥有智慧视觉、智慧识屏、情景智能、智慧搜索等功能,可以在系统设置页面中的智慧助手里进行相关的设置。

人工智能在教育领域的应用主要有个性化学习、虚拟导师、教育机器人和场景式教育。人工智能在教育领域的应用目前还处于早期探索阶段,但是潜力却是巨大的。

阅读论文可以说是我们的日常工作之一,论文的数量太多,我们如何快速阅读归纳呢?自从ChatGPT出现以后,有很多阅读论文的服务可以使用。其实使用ChatGPT API非常简单,我们只用30行python代码就可以在本地搭建一个自己的应用。 阅读论文可以说是我们的日常工作之一,论文的数量太多,我们如何快速阅读归纳呢?自从ChatGPT出现以后,有很多阅读论文的服务可以使用。其实使用ChatGPT API非常简单,我们只用30行python代码就可以在本地搭建一个自己的应用。使用 Python 和 C

人工智能在生活中的应用有:1、虚拟个人助理,使用者可通过声控、文字输入的方式,来完成一些日常生活的小事;2、语音评测,利用云计算技术,将自动口语评测服务放在云端,并开放API接口供客户远程使用;3、无人汽车,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目标;4、天气预测,通过手机GPRS系统,定位到用户所处的位置,在利用算法,对覆盖全国的雷达图进行数据分析并预测。


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

mPDF
mPDF は、UTF-8 でエンコードされた HTML から PDF ファイルを生成できる PHP ライブラリです。オリジナルの作者である Ian Back は、Web サイトから「オンザフライ」で PDF ファイルを出力し、さまざまな言語を処理するために mPDF を作成しました。 HTML2FPDF などのオリジナルのスクリプトよりも遅く、Unicode フォントを使用すると生成されるファイルが大きくなりますが、CSS スタイルなどをサポートし、多くの機能強化が施されています。 RTL (アラビア語とヘブライ語) や CJK (中国語、日本語、韓国語) を含むほぼすべての言語をサポートします。ネストされたブロックレベル要素 (P、DIV など) をサポートします。

SublimeText3 Linux 新バージョン
SublimeText3 Linux 最新バージョン

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

DVWA
Damn Vulnerable Web App (DVWA) は、非常に脆弱な PHP/MySQL Web アプリケーションです。その主な目的は、セキュリティ専門家が法的環境でスキルとツールをテストするのに役立ち、Web 開発者が Web アプリケーションを保護するプロセスをより深く理解できるようにし、教師/生徒が教室環境で Web アプリケーションを教え/学習できるようにすることです。安全。 DVWA の目標は、シンプルでわかりやすいインターフェイスを通じて、さまざまな難易度で最も一般的な Web 脆弱性のいくつかを実践することです。このソフトウェアは、

PhpStorm Mac バージョン
最新(2018.2.1)のプロフェッショナル向けPHP統合開発ツール
