Este guia documenta as práticas de Aprendizado de Máquina (ML) na ISE. A ISE trabalha com clientes no desenvolvimento de modelos de ML e na colocação deles em produção, com ênfase em boas práticas de engenharia e pesquisa ao longo do ciclo de vida do projeto.
- Fornecer um conjunto de práticas de ML a serem seguidas em um projeto de ML.
- Fornecer clareza sobre o processo de ML e como ele se encaixa em um projeto de engenharia de software.
- Fornecer as melhores práticas para as diferentes etapas de um projeto de ML.
- Se você está iniciando um novo projeto de ML, considere ler os documentos de orientação geral.
- Para aspectos específicos de um projeto de ML, consulte as diretrizes para as diferentes fases do projeto de ML.
O diagrama abaixo mostra diferentes fases em um projeto de ML ideal. Devido a restrições práticas e requisitos, nem sempre é possível ter um projeto estruturado dessa maneira, no entanto, as melhores práticas devem ser seguidas para cada fase individual.
- Concepção: Compreensão inicial do problema, metas e objetivos do cliente.
- Estudo de Viabilidade: Avaliar se o problema em questão é viável de ser resolvido satisfatoriamente usando ML com os dados disponíveis.
- Marco do Modelo: Há um modelo básico que está alcançando o desempenho mínimo requerido, tanto em termos de desempenho de ML quanto de desempenho do sistema. Usando o conhecimento adquirido até este marco, defina o escopo, objetivos, arquitetura de alto nível, definição de pronto e plano para todo o projeto.
- Experimentação de Modelo(s): Ferramentas e melhores práticas para conduzir experimentos de modelo bem-sucedidos.
- Operacionalização de Modelo(s): Lista de verificação de preparação do modelo para produção.