Koneoppimisen putki (pipeline) on määritelty vaiheiden sarja, joka muuttaa raakadatan käyttöönotettavaksi malliksi: datan keruu ja puhdistus, piirteiden valmistelu, koulutus, arviointi, käyttöönotto ja seuranta. Näiden vaiheiden automatisointi tekee tuloksista toistettavia ja mahdollistaa uuden datan käsittelyn vähällä vaivalla. Vähittäiskauppias voi esimerkiksi kouluttaa ja testata myyntiennustemallinsa uudelleen viikoittain tuoreimmilla luvuilla.
Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.
Aloita demoDatan puhdistus tarkoittaa virheellisten, päällekkäisten tai epäjohdonmukaisten merkintöjen havaitsemista ja korjaamista aineistoissa. Tyypillisiä vaiheita ovat kirjoitusasujen ja päivämäärämuotojen yhtenäistäminen, ylimääräisten välilyöntien poistaminen sekä kaksoiskappaleiden, kuten ”Virtanen Oy” ja ”Virtanen Osakeyhtiö”, yhdistäminen. Puhdas data on edellytys luotettaville analyyseille, postituksille ja tekoälysovelluksille.
Piirteiden suunnittelu (feature engineering) tarkoittaa ominaisuuksien (piirteiden) valitsemista, muuntamista ja luomista raakadatasta, jotta oppimisalgoritmi havaitsee kuviot helpommin. Piirteiden poiminta johtaa tiiviitä, merkityksellisiä arvoja monimutkaisesta datasta, kuten tekstistä, kuvista tai signaaleista. Esimerkki: yksittäisistä ostotapahtumista muodostetaan piirteitä, kuten ”päiviä viime ostosta” tai ”keskimääräinen tilausarvo”, mikä voi parantaa asiakaspoistuman ennustetta merkittävästi.
MLflow on avoimen lähdekoodin alusta koneoppimismallien koko elinkaaren hallintaan. Databricks esitteli sen alun perin vuonna 2018. Se kirjaa kokeet parametreineen ja mittareineen, hallitsee mallien versioita rekisterissä ja helpottaa käyttöönottoa. Uudemmat versiot tukevat myös kielimallipohjaisten sovellusten jäljitystä ja arviointia. Tiimit voivat siten selvittää, mikä malli on tuotettu millä datalla ja millä asetuksilla.
Kubeflow on avoimen lähdekoodin alusta koneoppimistyönkulkujen ajamiseen Kubernetesissa datan valmistelusta koulutuksen ja hyperparametrien haun kautta mallin palveluun. Alun perin Googlen käynnistämä projekti kuuluu Cloud Native Computing Foundationille, jossa se saavutti ”graduated”-aseman elokuussa 2026 (tilanne lokakuussa 2026). Se on suunnattu pääasiassa tiimeille, jotka kouluttavat omia malleja laajassa mittakaavassa omalla tai pilvi-infrastruktuurilla.
