Scopri come creare pipeline di machine learning riproducibili e pronte per la produzione attraverso un incarico senior di machine learning
18 ore fa
Al giorno d’oggi, le aziende richiedono competenze ingegneristiche per lo sviluppo e l’implementazione di modelli di Machine Learning in produzione.
UN Ingegnere dell’apprendimento automatico dovrebbe ora possedere la capacità di gestire l’intero ciclo di vita del modello, coprendo aspetti come monitoraggio dell’esperimento, orchestratore, CI/CD, controllo della versioneE registro dei modelli — dall’estrazione dei dati alla produzione.
In questo articolo, approfondiremo un compito di machine learning che ho svolto per un leader nel settore degli affitti a breve termine, utilizzando due strumenti ampiamente utilizzati nel settore: Flusso d’aria E Mlflow.
Questo articolo non solo guida i lettori attraverso la risoluzione di un progetto di machine learning reale, ma fornisce anche l’accesso pubblico all’intero repository per un utilizzo successivo in progetti di machine learning.
- Il progetto
- Analisi esplorativa dei dati
- Configurazioni
- Passi
- Costruisci DAG con Airflow
- Conclusioni
L’azienda è leader nel settore della gestione delle famiglie ospitanti a breve termine. Per trovare il prossimo ingegnere senior di machine learning, hanno assegnato un incarico per valutare la capacità del candidato di costruire solide infrastrutture di machine learning.
UN set di dati pubblicamente disponibile è stato fornito, contenente prenotazioni alberghiere distinti in due categorie: prenotazioni effettivamente arrivate; e quelli che sono stati cancellati.
L’obiettivo dell’incarico era il seguente:
In base alle caratteristiche della prenotazione, prevedere se è probabile…
Fonte: towardsdatascience.com
