Terminų žodynas

Mašininio mokymosi konvejeris (pipeline)

Kas yra Mašininio mokymosi konvejeris (pipeline)?

Mašininio mokymosi konvejeris (angl. pipeline) – tai apibrėžta žingsnių seka, kuri neapdorotus duomenis paverčia diegiamu modeliu: duomenų rinkimas ir valymas, požymių paruošimas, mokymas, vertinimas, diegimas ir stebėsena. Šių žingsnių automatizavimas daro rezultatus atkartojamus ir leidžia naujus duomenis apdoroti mažai pastangų. Pavyzdžiui, mažmenininkas gali kiekvieną savaitę perkvalifikuoti ir išbandyti savo pardavimų prognozavimo modelį naudodamas naujausius skaičius.

Temos

MLOps
automatizavimas
duomenų apdorojimas

Išbandykite KI.ordo

Agentai, srautai ir šablonai vienoje darbo srityje – nemokama 24 valandų demonstracinė versija.

Pradėti demonstraciją

← Visi terminai

Susiję terminai

duomenų valymas

Duomenų valymas – tai neteisingų, besidubliuojančių ar nenuoseklių įrašų duomenų rinkiniuose aptikimas ir taisymas. Tipiniai veiksmai: rašybos ir datų formatų suvienodinimas, perteklinių tarpų šalinimas ir dublikatų, pavyzdžiui, „UAB Jonaitis“ ir „Jonaitis, UAB“, sujungimas. Švarūs duomenys yra patikimų analizių, siuntimų ir DI taikomųjų programų išankstinė sąlyga.

duomenų kokybė
dublikatai
+1

Šablonas

Požymių inžinerija ir išgavimas

Požymių inžinerija – tai požymių (angl. features) atranka, transformavimas ir kūrimas iš neapdorotų duomenų, kad mokymosi algoritmas dėsningumus aptiktų lengviau. Požymių išgavimas iš sudėtingų duomenų, pavyzdžiui, teksto, vaizdų ar signalų, gauna glaustas, prasmingas reikšmes. Pavyzdys: pavieniai pirkimo įrašai paverčiami tokiais požymiais kaip „dienos nuo paskutinio pirkimo“ ar „vidutinė užsakymo vertė“, o tai gali pastebimai pagerinti klientų nutekėjimo prognozę.

Mašininis mokymasis
duomenų paruošimas
+1

MLflow

MLflow – atvirojo kodo platforma, skirta valdyti visą mašininio mokymosi modelių gyvavimo ciklą; ją 2018 m. pirmą kartą pristatė Databricks. Ji registruoja eksperimentus su jų parametrais ir metrikomis, valdo modelių versijas registre ir supaprastina diegimą. Naujesnės versijos taip pat palaiko kalbos modeliais pagrįstų programų sekimą ir vertinimą. Todėl komandos gali atsekti, koks modelis buvo sukurtas su kokiais duomenimis ir nustatymais.

MLOps
atvirasis kodas
+1

Kubeflow

„Kubeflow“ yra atvirojo kodo platforma mašininio mokymosi darbo eigoms vykdyti ant „Kubernetes“, nuo duomenų paruošimo per mokymą ir hiperparametrų paiešką iki modelių teikimo. Iš pradžių ją inicijavo „Google“, projektas priklauso Cloud Native Computing Foundation, kur 2026 m. rugpjūtį pasiekė būseną „graduated“ (2026 m. spalio mėn. duomenimis). Ji skirta daugiausia komandoms, kurios dideliu mastu moko savo modelius savo ar debesijos infrastruktūroje.

MLOps
Kubernetes
+1