【机器学习】融入ML的持续集成与持续交付框架

  • 时间:
  • 浏览:1
  • 来源:神彩UU直播现场_彩神UU直播现场官方

版权声明:本文内容由互联网用户自发贡献,版权归作者所有,本社区不拥有所有权,要是承担相关法律责任。以前您发现本社区暗含涉嫌抄袭的内容,欢迎发送邮件至:

上期亲们介绍了持续集成与持续交付的敏捷开发架构。随着机器学习的流行,太少的敏态业务除了要尽快上市,须要结合机器学习来尽快预测出市场发展。

在敏态交付的示意图中,开发和运维不再分家,应用被模块化地拆解开来,单元测试和集成测试周期被大大缩短。持续集成/持续交付作为其中衔接的环节,帮助了什么都有有要是只懂开发的tcp连接员了解了业务需求,提高了运维水平。



回过头来话语机器学习,它我我确实是另2个多对输入参数、算法选着和参数不断进行最优调试的过程。比如说亲们对猫的种类通过图像识别来进行归类训练,输入的参数(或从图像识别到的参数)有:猫的发色、发量、体型、瞳距等等;



以前是监督学习的归类问题图片,可选着的算法要是都还还可以SVM,近似邻域和CART算法,结合调参,可不须要算出通过学习样本预测的数据准确度。



对于验证样本的目标准确度,亲们可不须要设置另2个多预期值,比如95%,经过反复的调参以前,基本就可不须要得到准确的配参算法。以前机器学习所处在数据层,敏捷交付所处在应用层,以后 在将数据训练结合到DevOps双曲环中一定是可不须要并行工作的。



在企业已有CI/CD平台的基础上,并行接入机器学习的API接口是最初级的对接最好的辦法 ,由数据科学家在集成开发环境(IDE)中完成测试后,将训练环境的算法接口开放给应用,应用将元数据标签一一对接即可。



最佳集成模型是建立应对不同数据应用的模型库,一并建立新数据的返送机制,要是可不须要不断提高模型的性性性成熟的句子期是什么是什么是什么期期图片 图片 度,一并结合业务不断富有模型库。

进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容。