आगेअगली गाइड
लॉग किए गए डेटा से ऑफ-पॉलिसी मूल्यांकन
तकनीकी
तकनीकी गाइड
ज्यूपिटर नोटबुक से एमएल वर्कफ़्लो को उत्पादन कोड में ले जाने का अर्थ है इसके डेटा हैंडलिंग, परिवर्तन, प्रशिक्षण और अनुमान को एक इंटरैक्टिव सत्र के बाहर दोहराने योग्य बनाना।
इस गाइड को सुनेंएआई-नैरेटेड · ~3 min
परीक्षण किए गए मॉड्यूल, स्क्रिप्ट और स्पष्ट कॉन्फ़िगरेशन में स्थिर तर्क को स्थानांतरित करते समय अन्वेषण और स्पष्टीकरण के लिए नोटबुक रखें।
नोटबुक से अन्वेषण तेजी से होता है क्योंकि कोड, आउटपुट, चार्ट और नोट्स एक साथ रहते हैं। वे छिपी हुई स्थिति की भी अनुमति देते हैं: कोशिकाएं क्रम से बाहर हो सकती हैं, चर पहले के प्रयोगों से जीवित रह सकते हैं, और प्रदर्शित आउटपुट अब वर्तमान कोड से मेल नहीं खा सकते हैं। उत्पादन उपयोग से पहले, कर्नेल को पुनरारंभ करें और यह स्थापित करने के लिए प्रत्येक सेल को ऊपर से नीचे तक चलाएं कि नोटबुक अभी भी अपने परिणामों को पुन: उत्पन्न करता है या नहीं। स्थिर वर्कफ़्लो की पहचान करें: इनपुट सत्यापन, प्रीप्रोसेसिंग, फीचर निर्माण, मॉडल फिटिंग, मूल्यांकन और अनुमान। स्पष्ट इनपुट और आउटपुट के साथ पुन: प्रयोज्य तर्क को फ़ंक्शन या मॉड्यूल में ले जाएं। खोजपूर्ण चार्ट और वर्णन नोटबुक में रखें, लेकिन एक सर्विंग एप्लिकेशन में समान परिवर्तन की नकल करने से बचें। नोटबुक प्रोजेक्ट कोड आयात कर सकता है ताकि एक कार्यान्वयन का परीक्षण और पुन: उपयोग किया जा सके। हार्ड-कोडित पथों और जादुई मानों को कॉन्फ़िगरेशन से बदलें। डेटासेट पहचानकर्ता, स्प्लिट लॉजिक, मॉडल पैरामीटर, पैकेज संस्करण और आउटपुट स्थान रिकॉर्ड करें। प्रशिक्षण को भविष्यवाणी से अलग करें ताकि अनुमान खोजपूर्ण या प्रशिक्षण कोशिकाओं को दोबारा चलाए बिना सहेजे गए आर्टिफैक्ट को लोड कर सके। गुम कॉलम, अप्रत्याशित श्रेणियों और अमान्य इनपुट के लिए स्पष्ट त्रुटि प्रबंधन बनाएं। परिवर्तनों के लिए इकाई परीक्षण और सबसे छोटे वैध वर्कफ़्लो के लिए शुरू से अंत तक जाँच जोड़ें। पर्यावरण व्यवस्था भी मायने रखती है. एक प्रतिलिपि प्रस्तुत करने योग्य निर्भरता फ़ाइल बनाएं, परिभाषित करें कि रहस्य कैसे प्रदान किए जाते हैं, और यादृच्छिक और समय-निर्भर व्यवहार को दृश्यमान बनाएं। निर्णय लें कि क्या नोटबुक आउटपुट प्रतिबद्ध होना चाहिए; आउटपुट संवेदनशील डेटा को उजागर कर सकते हैं, अंतर बढ़ा सकते हैं, या पुराना हो सकते हैं। निजी सामग्री हटाएं और जब वे किसी उद्देश्य की पूर्ति करें तो आउटपुट पुन: उत्पन्न करें। उत्पादन की तैयारी में कोड निष्कर्षण से परे परिचालन आवश्यकताएं शामिल हैं: विलंबता, निगरानी, लॉगिंग, रोलबैक, अनुमतियां और मॉडल अपडेट। एक नोटबुक जो साफ-सुथरी चलती है वह एक महत्वपूर्ण चेकपॉइंट है लेकिन परिनियोजन योजना नहीं है। नोटबुक के तर्क और निष्कर्षों को सुरक्षित रखें, फिर प्रतिनिधि इनपुट पर स्वतंत्र रूप से उत्पादन पथ को मान्य करें।
एक डेटा वैज्ञानिक गुम और विकृत मानों के परीक्षण के साथ एक फ़ंक्शन में बार-बार फीचर-क्लीनिंग सेल निकालता है।
एक परिनियोजन स्क्रिप्ट नोटबुक मेमोरी में छोड़े गए चर पर निर्भर होने के बजाय संस्करणित कलाकृतियों से सहेजी गई प्रीप्रोसेसिंग पाइपलाइन और मॉडल को लोड करती है।
एक टीम एक खोजपूर्ण नोटबुक रखती है जो पुन: प्रयोज्य पैकेज कोड को कॉल करती है और उपयोग किए गए डेटा संशोधन और पैरामीटर को रिकॉर्ड करती है।
एक सतत एकीकरण कार्य एक छोटी नोटबुक या पाइपलाइन धुआं परीक्षण निष्पादित करता है और अपवाद होने पर विफल हो जाता है।
नोटबुक टूलींग सहयोग और निष्पादन में सुधार जारी रखेगी, जबकि उत्पादन प्रणालियों को अभी भी स्पष्ट सॉफ़्टवेयर सीमाओं और परीक्षणों की आवश्यकता होगी। टीमें दोहराने योग्य रिपोर्ट के लिए नोटबुक-टू-पाइपलाइन स्वचालन को अपना सकती हैं, लेकिन स्वचालित निष्पादन हर छिपी वैज्ञानिक धारणा का पता नहीं लगा सकता है। खोजपूर्ण विश्लेषण को साझा परीक्षण किए गए कार्यों से जोड़कर रखने से परिनियोजन का मार्ग छोटा हो सकता है। जैसे-जैसे वातावरण और मॉडल बदलते हैं, स्पष्ट उद्गम और स्वच्छ निष्पादन उपयोगी बने रहते हैं। साझा परीक्षण किए गए फ़ंक्शन डुप्लिकेट कार्यान्वयन को कम करते हुए परिणाम के पीछे के तर्क को संरक्षित कर सकते हैं। टीमों को अभी भी प्रतिनिधि इनपुट पर तैनात पथ को निष्पादित करना चाहिए।
मुफ़्त न्यूज़लेटर
हर कार्यदिवस की सुबह तीन सत्यापित एआई कहानियाँ, सादे अंग्रेजी में लिखी गईं। हमेशा के लिए मुफ़्त, कोई विज्ञापन नहीं।
प्रत्येक सप्ताह के दिन एक ईमेल. एक क्लिक में सदस्यता समाप्त करें. हम आपका पता कभी नहीं बेचते या साझा नहीं करते।
स्वयं की जांच करो
प्रत्येक उत्तर पर त्वरित प्रतिक्रिया, और पाठ्यक्रम पास करने के बाद एक सत्यापन योग्य आईडी के साथ एक साझा करने योग्य प्रमाणपत्र।
निःशुल्क एआई शिक्षा का समर्थन करें। AI Understanding एक 501(c)(3) गैर-लाभकारी संस्था है - कोई विज्ञापन नहीं, कोई पेवॉल नहीं। दान करें
ज्यूपिटर नोटबुक से एमएल वर्कफ़्लो को उत्पादन कोड में ले जाने का अर्थ है इसके डेटा हैंडलिंग, परिवर्तन, प्रशिक्षण और अनुमान को एक इंटरैक्टिव सत्र के बाहर दोहराने योग्य बनाना। परीक्षण किए गए मॉड्यूल, स्क्रिप्ट और स्पष्ट कॉन्फ़िगरेशन में स्थिर तर्क को स्थानांतरित करते समय अन्वेषण और स्पष्टीकरण के लिए नोटबुक रखें।
इंटरैक्टिव निष्पादन पुराने वैरिएबल और आउटपुट छोड़ सकता है जो क्लीन रन से मेल नहीं खाते हैं।
ऊपर से नीचे तक साफ-सुथरी दौड़ छिपी हुई निर्भरता और पुरानी स्थिति को प्रकट करती है।
साझा परीक्षण कोड अन्वेषण और सेवा के बीच अंतर को कम करता है।
स्पष्ट कॉन्फ़िगरेशन वर्कफ़्लो को विभिन्न वातावरणों में चलने देता है।
अनुमान को पुनः प्रशिक्षण के बिना समान प्रशिक्षित परिवर्तन और अनुमानक लागू करना चाहिए।
सीखते रहो
इस विषय के लिए अधिक मार्गदर्शिकाएँ चुनी गईं
आगेअगली गाइड
लॉग किए गए डेटा से ऑफ-पॉलिसी मूल्यांकन
तकनीकी