النص الكامل 2251 الكلمات، وعندما يكون التعلم مدى المتوقع 7 دقيقة

المصدر: Pexels

إنتاج آلة التعلم لديهم قضايا تنظيمية.

وتحدث هذه المشكلة يبدو يرافقه نتيجة ثانوية للإنتاج آلة التعلم لفترة زمنية قصيرة نسبيا.

وعلى الرغم من أكثر المناطق تنضج (مثل تطوير الشبكة) بعد عدة سنوات من التنقيب تم تطويره إلى أقصى الحدود، ولكن تعلم آلة الإنتاج لم يدخل بعد هذه المرحلة.

على سبيل المثال، إذا مهمتك هي لخلق فريق هندسة المنتجات للالمبتدئة، ليكون مسؤولا عن تطوير تطبيق الشبكة. لم يتم تعيين فريق من ذوي الخبرة حتى يصل، يمكنك العثور على الكثير من المقالات والكتب حول كيفية بناء وتطوير فريق الهندسة.

الآن، إذا كان الأمر ينطوي شركتك في تعلم آلة المبتدئة. لديك لاستئجار عالم البيانات لقيادة الانتهاء من الأعمال الأولية، وحققت نتائج ملحوظة. تعلم الآلة، والعلاقة بين منتجات الشركة بشكل وثيق، لتولي مسؤولية العلماء بيانات مهمة على نحو متزايد، فمن الواضح أن الفريق يحتاج إلى تطوير تعلم الآلة.

في هذه الحالة، وليس ذلك العديد من المقالات والكتب حول كيفية إعداد إنتاج فريق التعلم الآلي للناس للإشارة.

هذا يحدث عندما يكون هناك نطاق واسع، جديدة المسؤولية التعلم الآلي للشركة (وخاصة البنية التحتية) سلمت العلماء البيانات تفترض الوضع.

هذا ليس صحيحا.

الفرق بين التعلم الآلي والبنية التحتية تعلم الآلة

المصدر: Pexels

الآن، وقد كان الفرق بين المهندسين والمهندسين منصة المنتج واضح جدا. وبالمثل، هناك فرق واضح بين المحللين البيانات والمهندسين البيانات.

العديد من الشركات لا تزال تفتقر إلى مثل هذه الخبرة تعلم الآلة.

لفهم الفرق بين التعلم الآلي والبنية التحتية تعلم الآلة لماذا هو مهم جدا لهذه الدراسة محتويات كل من العمل والأدوات المطلوبة سيكون مفيدا.

من أجل تصميم وتدريب نموذج جديد، والعلماء البيانات تحتاج إلى:

قضاء بعض الوقت تحليل البيانات على جهاز كمبيوتر محمول، التجربة.

النظر في بنية البيانات، حدد مشاكل نظام نموذجي الصحيحة مثل مجموعات البيانات.

استخدام لغة البرمجة بايثون، R، سويفت جوليا، أو ما شابه ذلك.

هل لديك وجهة نظرهم الخاصة أو انتظار إطار التعلم آلة PyTorch TensorFlow.

وبعبارة أخرى، سوف يتم تطوير مسؤوليات العلماء البيانات والمهارات والأدوات حول نموذج لمعالجة البيانات، فإن الناتج النهائي يكون قادرا على توفير معظم النماذج التنبؤية دقيقة.

مع مختلف جدا البنية التحتية تعلم الآلة.

ومن الممارسات الشائعة في نموذج الإنتاج لنشر بأنها خدمات الصغرى إلى سحابة. لنشر نموذج لإنتاج واجهة تطبيق البرنامج، يحتاج المهندسون إلى:

بينما تشعر بالقلق إزاء الملفات التوزيع، وحدة طرفية ومقدمي الخدمات السحابية لتحسين الاستقرار وتأخير والتكلفة.

النظر في المثال قابل للسحب الآلي، تحديث نموذج (إذا لم تحطم واجهة برنامج التطبيق)، والمنطق وغيرها من القضايا المطروحة على معالج الرسومات.

استخدام عامل الميناء، Kubernetes، Istio، قارورة وغيرها من الأدوات، وكذلك أي خدمة أو تطبيق واجهات برمجة سحابة مزود الخدمة.

يظهر الشكل التالي الفرق بين التعلم الآلي والبنية التحتية تعلم الآلة، واضحة جدا وسهلة الفهم:

البنية التحتية للتعلم آلة مقابل آلة التعلم

حدسي، يجب أن العلماء البيانات التعامل مع دائرة اليسرى، بدلا من دائرة الحق.

البنية التحتية لإدارة غير المهنية ما هي المشكلة؟

إذا يجب عليك تحديد شخص لإدارة البنية التحتية تعلم الآلة، ولكنك لا تريد له لإنهاء المهمة بدوام كامل، إلا خيارين:

العلماء البيانات، لأنهم على دراية تعلم الآلة.

مهندس عمليات التنمية، لأنهم على دراية بنية تحتية مشتركة.

هذا الخيار له مشكلتين.

أولا، يجب على العلماء بيانات تفعل ما هي جيدة في العمل مع الكثير من الوقت - البيانات العلمية. بينما البنية التحتية التعلم بالنسبة لهم ليست صعبة، ولكن البنية التحتية والبيانات العلم هو العمل بدوام كامل، وتخصيص البيانات في الوقت إلى العلماء في هاتين المهمتين سوف يقلل من جودة العمل.

ثانيا، يتعين على الشركات الموظفين المسؤولين عن البنية التحتية تعلم الآلة. المقدمة في نموذج عملية الإنتاج واستضافت تطبيقات الويب المختلفة، ضرورة شخص مسؤول عن العمل، فمن الممكن في البنية التحتية للتعلم آلة الدعاية المنظمة.

لقد أثبتت الوقائع أن مثل هذه الدعاية أمر ضروري. لقد قابلت العديد من الشركات تعلم الآلة، والمدهش، وأعضاء من عنق الزجاجة الداخلي للشركة هي عادة ليست من التحديات التقنية، ولكن من التحديات التي تواجه الشركة الخاصة.

على سبيل المثال، لقد رأيت بعض احتياجات الفريق تعلم الآلة إلى معالجات الرسومات (جرافيكس) المنطق --GPT-2 نموذج يتطلب في الأساس من هذا القبيل معالج الرسومات الكبيرة لتوفير تأخير معقول - ولكن لا يمكن الحصول عليها لأن أساس هذه الفرق تطور أكبر منشأة وفريق إدارة العمليات، وتكلفة تطوير فريق العمليات لا تريد أن تذكر على حسابهم الخاص.

كان مسؤولا عن البنية التحتية تعلم الآلة، يعني أن الشركة لديها القدرة على الاستمرار في تحسين البنية التحتية لأعضاء الفريق، ليس فقط، ويكون دعاة أيضا لتلبية احتياجات الفريق.

الذين سيتولون إدارة البنية التحتية ذلك؟

آلة التعلم مهندس البنية التحتية.

ربما عنوان مثل هذا لا يجعل الناس يتفقون، أشياء أول لقب جانبا، فإنه يجب الاعتراف بأن إنتاج آلة التعلم لا تزال في المراحل الأولى من التنمية، ناهيك عن اللقب. قد يعطي الشركات المختلفة التي أسماء مختلفة:

مهندس آلة البنية التحتية التعلم

البيانات منبر العلوم مهندس

المهندس تعلم آلة الإنتاج

متطورة شركة التعلم الآلي (مثل سبوتيفي) تقوم حاليا بتجنيد مثل هذه المواقف:

المصدر: سبوتيفي

نيتفليكس صحيح أيضا:

المصدر: نيتفليكس

بدعم من وظائف تعلم آلة (مثل Gmail الذكية إنشاء، يتوقع ETA اوبر والتوصية محتوى نيتفليكس) أكثر شيوعا في مجال البرمجيات، تعلم الآلة البنية التحتية أصبحت ذات أهمية متزايدة.

إذا كان الناس يريدون دعم عدد كبير من برامج تعلم آلة في المستقبل، فمن الضروري للقضاء على اختناقات البنية التحتية - للقيام بذلك، تحتاج إلى اعتبار المعرفة المهنية الحقيقية الناس، حتى أن العلماء بيانات للتركيز على العمل العلوم البيانات.

لا تدع العلماء بيانات لإدارة Kubernetes كتلة ......

تنويه: - التحقيق الأكاديمي ليست واحدة من هذه الصناعة قبل كل شيء لملاحظتي على أساس فريق التعلم الآلي. اللحاء وهو مؤلف من المساهمين، بل هو نموذج لنشر منصات مفتوحة المصدر في الإنتاج.

انتباه رسالة الابهام

معا نحن نشارك في التعلم وتطوير AI الجاف

مثل طبع، يرجى ترك رسالة وراء الكواليس، والامتثال للمعايير طبع