Glosar

Pipeline de machine learning

Ce este Pipeline de machine learning?

Un pipeline de machine learning este o succesiune definită de pași care transformă datele brute într-un model gata de utilizare: colectarea și curățarea datelor, pregătirea caracteristicilor, antrenarea, evaluarea, punerea în producție și monitorizarea. Automatizarea acestor pași face rezultatele reproductibile și permite prelucrarea datelor noi cu efort redus. Un comerciant, de exemplu, își poate reantrena și testa în fiecare săptămână modelul de prognoză a vânzărilor folosind cele mai recente cifre.

Subiecte

MLOps
automatizare
prelucrarea datelor

Încercați KI.ordo

Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.

Porniți demo-ul

← Toți termenii

Termeni înrudiți

curățarea datelor

Curățarea datelor înseamnă depistarea și corectarea intrărilor greșite, duplicate sau neconcordante din seturile de date. Pașii tipici includ uniformizarea ortografiei și a formatelor de dată, eliminarea spațiilor în plus și îmbinarea dublurilor, precum „Popescu SRL” și „Popescu S.R.L.”. Datele curate sunt o condiție pentru analize, mailinguri și aplicații IA fiabile.

calitatea datelor
dubluri
+1

Șablon

Ingineria și extragerea caracteristicilor

Ingineria caracteristicilor (feature engineering) înseamnă selectarea, transformarea și crearea de atribute (caracteristici) pornind de la date brute, astfel încât un algoritm de învățare să poată detecta mai ușor tiparele. Extragerea caracteristicilor derivă valori compacte și semnificative din date complexe, precum texte, imagini sau semnale. Exemplu: înregistrările individuale de achiziție sunt transformate în caracteristici precum „zile de la ultima achiziție” sau „valoarea medie a comenzii”, ceea ce poate îmbunătăți vizibil o predicție a pierderii clienților.

Învățare automată
pregătirea datelor
+1

MLflow

MLflow este o platformă open-source pentru gestionarea întregului ciclu de viață al modelelor de învățare automată, lansată inițial de Databricks în 2018. Înregistrează experimentele cu parametrii și metricile lor, gestionează versiunile modelelor într-un registru și simplifică implementarea. Versiunile mai recente acceptă și urmărirea (tracing) și evaluarea aplicațiilor construite pe modele lingvistice. Echipele pot astfel urmări ce model a fost obținut cu ce date și ce setări.

MLOps
open source
+1

Kubeflow

Kubeflow este o platformă open-source pentru rularea fluxurilor de lucru de machine learning pe Kubernetes, de la pregătirea datelor, prin antrenare și căutarea hiperparametrilor, până la servirea modelelor. Inițiat inițial de Google, proiectul aparține Cloud Native Computing Foundation, unde a atins statutul „graduated” în august 2026 (situația la octombrie 2026). Se adresează în principal echipelor care antrenează la scară largă propriile modele, pe infrastructură proprie sau în cloud.

MLOps
Kubernetes
+1