Epizoda

Reprodukovatelné Datová Věda pomocí strojového Učení

Pořad o umělé inteligenci

Schopnost vysvětlit vlastní kód několik měsíců po tom, co jste napsali, je těžké. Představte si, že bude muset vysvětlit rozhodnutí některého algoritmu AI několik let po jeho spuštění! Je však poměrně snadné nastavit pracovní postup vývoje tak, aby to bylo možné, pokud si uvědomíte, že způsob vytváření strojového učení a umělé inteligence se zásadně liší od tradičního softwarového inženýrství. V kostce je to vše o: reprodukovatelný výzkum, vývoj a nasazení. Je možné chytře využít moderní prostředí poznámkových bloků, včetně výpočetních instancí Azure ML, na rozdíl od tradičních prostředí ID, jako je Visual Studio Code. Rafal Lukawiecki aktivně pracoval v oblasti datových věd, strojového učení a dolování dat již více než deset let, a formálně studoval a používal umělou inteligenci dlouho předtím, než byla populární, zpět v 90. Podívejte se na tuto epizodu a zjistěte, jak organizuje svůj reprodukovatelný pracovní postup.

Přejít na:

  • [02:30] Naučte se reprodukovatelný výzkum s RafalEm Lukawiecki
  • [03:01] Modelování a zkoumání vs. vývoj softwaru
  • [09:28] Kroky k reprodukovatelnému pracovnímu postupu
  • [15:20] Ukázka: Pracovní postup využívající RStudio a RMarkdown spuštěné místně
  • [22:25] Ukázka: Poznámkové bloky RMarkdown ve výpočetní instanci Azure ML

Další informace:

Nenechte si ujít nové epizody,  přihlaste se k odběru AI Show