Pojmovnik

Cjevovod strojnog učenja (machine learning pipeline)

Što je Cjevovod strojnog učenja (machine learning pipeline)?

Cjevovod strojnog učenja (machine learning pipeline) definiran je slijed koraka koji sirove podatke pretvara u model spreman za uporabu: prikupljanje i čišćenje podataka, priprema obilježja, treniranje, vrednovanje, uvođenje i nadzor. Automatizacijom tih koraka rezultati postaju ponovljivi, a novi se podaci mogu obrađivati uz malo truda. Trgovac, primjerice, svaki tjedan može ponovno trenirati i testirati svoj model za prognozu prodaje s najnovijim brojkama.

Teme

MLOps
automatizacija
obrada podataka

Isprobajte KI.ordo

Agenti, tijekovi rada i predlošci u jednom radnom prostoru – besplatna demo verzija na 24 sata.

Pokrenite demo

← Svi pojmovi

Srodni pojmovi

Čišćenje podataka

Čišćenje podataka je prepoznavanje i ispravljanje netočnih, dvostrukih ili nedosljednih unosa u skupovima podataka. Tipični koraci uključuju ujednačavanje pisanja i formata datuma, uklanjanje suvišnih razmaka i spajanje duplikata poput „Horvat d.o.o.” i „Horvat d. o. o.”. Čisti podaci preduvjet su pouzdanih analiza, masovnih slanja i UI aplikacija.

kvaliteta podataka
duplikati
+1

Predložak

Inženjering i izdvajanje obilježja (feature engineering)

Inženjering obilježja (feature engineering) znači odabir, transformaciju i stvaranje atributa (obilježja) iz neobrađenih podataka kako bi algoritam učenja lakše prepoznao obrasce. Izdvajanje obilježja iz složenih podataka poput teksta, slika ili signala izvodi kompaktne, smislene vrijednosti. Primjer: pojedinačni zapisi o kupnji pretvaraju se u obilježja poput „dana od posljednje kupnje” ili „prosječne vrijednosti narudžbe”, što može osjetno poboljšati predviđanje odlaska klijenata.

Strojno učenje
Priprema podataka
+1

MLflow

MLflow je platforma otvorenog koda za upravljanje cijelim životnim ciklusom modela strojnog učenja, koju je izvorno 2018. predstavio Databricks. Bilježi eksperimente s njihovim parametrima i metrikama, upravlja verzijama modela u registru i pojednostavnjuje puštanje u rad. Novije verzije podržavaju i praćenje te evaluaciju aplikacija izgrađenih na jezičnim modelima. Timovi tako mogu pratiti koji je model nastao s kojim podacima i postavkama.

MLOps
open source
+1

Kubeflow

Kubeflow je open-source platforma za pokretanje tijekova rada strojnog učenja na Kubernetesu, od pripreme podataka preko treniranja i pretrage hiperparametara do posluživanja modela. Projekt, koji je izvorno pokrenuo Google, pripada zakladi Cloud Native Computing Foundation, gdje je u kolovozu 2026. dosegao status „graduated” (stanje: listopad 2026.). Namijenjen je prvenstveno timovima koji u velikom opsegu treniraju vlastite modele na vlastitoj ili oblačnoj infrastrukturi.

MLOps
Kubernetes
+1