Создание и обслуживание вашей первой модели машинного обучения

Как создать и поддерживать свою первую модель машинного обучения

Добро пожаловать в мир машинного обучения, где компьютеры учатся на основе данных и делают прогнозы без явного программирования. В основе этой технологии лежит понятие “модели”.

Что такое модель?

В традиционном программировании мы создаем функции/методы, которые принимают входные параметры и возвращают результат на основе формулы. Например, представьте себе метод на языке Java, который применяет формулу y = 3x + 1.

Вышеуказанный код вернет следующие данные для x и y:

Теперь представьте, что вместо формулы у вас есть много значений x и y. Вы можете создать модель машинного обучения, чтобы найти формулу и предсказывать новые значения.

• Google AI представляет Mirasol3B Мультимодельная авторегрессионная модель для обучения с учетом аудио, видео и текстовых модальностей.
• «Real AI» выиграла проект по созданию крупной открытой языковой модели Европы на основе искусственного интеллекта.
• Финляндский стартап на базе искусственного интеллекта представляет Poro революционную открытую модель языка, усиливающую возможности мультиязычного искусственного интеллекта в Европе

В качестве реального примера мы можем использовать распознавание лиц, которое происходит в галерее наших телефонов. У нас есть несколько входных данных (фотографий) и выходных данных (имена людей), и модель машинного обучения – это формула, которая знает, как распознавать людей. Пока вы даете имена людям на фотографиях, вы питаете модель данными, которые постоянно обучаются для более точного распознавания этих людей.

Python: Язык машинного обучения

Python стал неофициальным языком машинного обучения. Его обширная экосистема библиотек, включая TensorFlow и Keras, делает его мощным инструментом для создания и обучения моделей. Если вас интересует погружение в мир машинного обучения, Python будет вашим верным спутником в этом путешествии.

Наша модель

Для простоты мы будем использовать данные x и y выше, чтобы обучить модель, которая будет знать, как предсказывать значение y на основе x.

Запустите вышеуказанный Python-код, чтобы создать, обучить и протестировать модель. Она будет создана в директории ./model.

Обслуживание модели

После создания модели и нахождения ее в директории ./model, вы можете обслуживать ее в качестве REST API. Для этого вы можете использовать образ контейнера tensorflow/serving:

Использование модели

Когда ваш контейнер работает, вы можете отправить запрос для выполнения вывода. Запустите следующую команду, чтобы получить значение y для x = 10:

Вы должны увидеть результат, подобный следующему:

Вот и все, друзья!

Вы только что создали, обучили, обслужили и использовали свою первую модель машинного обучения. Исходный код, использованный в этой статье, можно найти на GitHub. Не стесняйтесь задавать вопросы в комментариях, и оставайтесь на связи для большего количества материалов.