Рабочий процесс разработки модели

Рабочий процесс разработки модели как для приложений машинного обучения, так и для предиктивной аналитики состоит из этапов:

• Понимание бизнес-задачи и ее формализация с использованием языка математики. Решения, принимаемые специалистами по данным на данном этапе, в главном определяют производительность и успех модели.
• Понимание данных. Включает понимание того, какие данные доступны для обработки и переобразования, а также пониманием возможности использования этих данных для создания эффективной аналитической модели.
• Подготовка данных, включая очистку данных и их трансформацию для последующих шагов построения моделей. 
• Разработка моделей. С использованием языков программирования, либо с использованием платформ с открытым исходным кодом.
• Тестирование и настройка моделей, готовых для использования в бизнесе.
• Развертывание новых моделей в производстве, встраивание их в бизнес-процессы и процессы принятия решений
• Мониторинг функционирования и производительности моделей.
• Внесение обновлений в настройки модели по мере необходимости.

Согласно Переосмысление стратегии управления талантами ИИ по мере того, как автоматическое машинное обучение достигает зрелости 14 августа 2020 г. | Статья многие организации обнаружили, что от 60 до 80 процентов времени специалиста по данным тратится на подготовку данных для моделирования. После того, как начальная модель построена, только часть его или ее времени - 4 процента, согласно некоторым исследованиям - тратится на тестирование и настройку кода. По сути, настройка параметров модели стала предметом потребления, а производительность зависит от выбора и подготовки данных.