24小时联系电话:185 8888 888

商业
您现在的位置: 首页 > 商业 > 深度学习中的问责制和可重复性通过DeepOps
  • 零食新鲜化,来伊份的产品溯源里藏着这些秘密···

    零食新鲜化,来伊份的产品溯源里藏着这些秘密···

    发布时间:2023/07/03

    在“新鲜零食”的战略引领下,“主板零食第一股”来伊份迈入了企业发展的第23个年头,其传统的线下溯源活动“寻鲜之旅”也已经发展至第九届,本次再度启程将探索芒果之乡——百色,继续为用户展现以“青山绿水”铸“新鲜零食...

  • 雷科智途联合太平洋财产保险共同举办商用车AEBS防碰撞演示活动

    雷科智途联合太平洋财产保险共同举办商用车AEBS防碰撞演示活动

    发布时间:2022/01/04

    2021年12月16日,“安全出行·科技护航”-商用车自动紧急制动系统(AdvancedEmergencyBrakingSystem,简称“AEBS”)防碰撞演示在山东省青岛莱西市隆重举行。出席本次活动的领导和嘉宾有:莱西市应急管理局副局长李凌云...

  • 剑南春再传喜报,两年蝉联四次冠军

    剑南春再传喜报,两年蝉联四次冠军

    发布时间:2021/12/14

    2021年“双12”天猫年终购物节战报出炉,剑南春天猫平台官方旗舰店以超高人气和火爆的销量,勇夺天猫“双12”白酒品牌旗舰店交易指数第一名。 剑南春领跑榜单,两年蝉联四次冠军 剑南春在线上购物狂欢节上一直有着不...

  • 百年变局新机遇 第九届岭南论坛在广州举行

    百年变局新机遇 第九届岭南论坛在广州举行

    发布时间:2021/11/22

    11月21日,第九届岭南论坛在广州成功举办。本次论坛围绕“百年变局新机遇”主题,原中国银行业监督管理委员会主席刘明康,中山大学岭南学院教授、博导、广东省人民政府参事陆军,斯坦福大学教授、2001年诺贝尔经济...

  • 破记录的2万亿美元刺激计划中有什么?

    破记录的2万亿美元刺激计划中有什么?

    发布时间:2020/03/27

    经过几天的谈判,美国参议院今晚对第三项反对冠状病毒危机的法案进行投票。前两个法案着重于为医学研究提供资金并向病毒受害者提供经济支持,而“第三阶段”刺激法案则是对整个美国经济的大规模救助方案。这将花费...

  • 世界在煤炭支持上花费了半万亿美元

    世界在煤炭支持上花费了半万亿美元

    发布时间:2020/03/17

    全世界的国家有可能继续支持煤炭行业,而不是投资于成本更低,对环境更友好的风能和太阳能项目,从而浪费6400亿美元。 金融智囊团Carbon Tracker在周四发布的一份报告中说,全球60%的燃煤发电厂以比可再生能源替...

  • 您还不知道怎么毫无危险的投资?

    您还不知道怎么毫无危险的投资?

    发布时间:2020/03/13

    查看了许多财务平台,阅读有关加密货币、证券交易所的信息并没找到了答案? 我也处于过类似情况。我现在写出这篇文章,以帮助您与AlysDax公司一起开始工作! 前几天,我的朋友建议我AlysDax平台,哪个专为机构投...

  • MK FOREX提醒您:黄金:迈向短期阻力的路上

    MK FOREX提醒您:黄金:迈向短期阻力的路上

    发布时间:2020/03/02

    金价延续自1625美元/盎司开始的反弹 正常的RSI情况表明反弹将持续 关键的斐波纳奇回撤位,附近的上升趋势线限制了短线下跌 截至周四早间,金价在每盎司1,650美元附近。金价周三走出了U型走势。 黄金价格最近从162...

深度学习中的问责制和可重复性通过DeepOps

发布时间:2019/07/11 商业 浏览次数:784


 
 
目前,我们处于深度学习的早期阶段,由于机器学习(ML),计算机视觉(CV)和人工智能(AI)的最新进展,它已经迅速发展。深度学习正在医学成像,自动驾驶汽车,社交媒体监控以及实时翻译软件中使用。
使传统形式的ML具有独特的深度学习的原因是这些系统需要大量数据,非常擅长查找模式,并且可以扩展。但是,这些优势带来了数据科学家日常所面临的挑战。
数据科学家如何工作
在高层次上,深度学习遵循线性进展。数据科学家首先获取数据,清理数据,标记数据并编写代码以“训练”模型。在此过程中,数据科学家可能会经历数百次实验。
数据科学家不断训练和测试新模型,尝试不同的数据集并验证模型是否正常工作。这个过程需要跟踪大量信息,并且问题在更大的团队中呈指数级增长。同时,生产数据可能会发生变化,需要进行新的测试。
那么当出现问题时,或者当您需要针对新版本验证过去实验的结果时会发生什么?
走向监管
像FDA这样的组织已经提出了监管框架,以帮助标准化和验证明确针对医疗设备的AI和ML的使用。这是一项重大举措,不仅有助于为数据科学家的工作强制执行高质量的标准,而且还需要对这些实验所创建的模型类型承担更多责任。
执法部门,金融机构和汽车行业也将推动更多监管,这只是一个时间问题。不幸的是,在审计,测试期间或政府机构支持准确的实验再现性的工具和工作流程仍在开发中。
该行业可以实现现代化的方法之一是从Web和移动开发最佳实践中获取一个名为DevOps的页面。这是在确保高质量的同时自动化,版本控制,测试代码和部署到生产的过程。
随着DevOps文化的发展,Netflix等公司已经能够加速每日修复和更新的部署。虽然数据科学家可以使用一些相同的基础技术,但该领域目前缺乏利用它们的知识,文化和专业工具。
需要DeepOps文化
在MissingLink.ai,我们与超过100家AI-first公司进行了交流,以更好地了解他们的挑战,并相信现在是时候制定一套深度学习操作或DeepOps的标准。
深度学习工作流程的核心是三个原则:代码,数据和计算机。这些支柱成为我们开始定义DeepOps文化的支柱。
1.版本化您的代码
DeepOps的第一个原则是自动跟踪所有代码更改,以捕获模型开发生命周期的完整历史记录。如果没有适当的代码版本,数据科学家不仅会冒失去工作历史的风险,而且其他人加入或审核项目很难理解是什么驱动了最终的输出。
2.管理数据
DeepOps的第二个原则是利用系统来管理数据,该系统还可以使数据科学家能够对数据集进行分段和重新运行,而不会因新数据而导致损坏。
传统数据库无法做到这一点,尤其是涉及计算机视觉需要的大量数据时。他们需要专门的数据量,可以根据数据的大小进行扩展,但也允许数据科学家使用原始数据集从特定时间点重新运行实验。
3.自动化计算机
DeepOps的最终宗旨是从数据科学家需要的那一刻开始自动创建预先配置的机器,以便在工作完成时将其循环下来。深度学习需要昂贵的GPU驱动的机器,在数据科学家缺乏管理这些技能的公司中,它可能意味着每个月浪费数百到数千美元 – 更不用说保证过去的实验将在同一配置上运行的困难在一台新机器上。
没有合适的工具,在深度学习中创建实现这三个原则的文化并不容易。无论科学家今天选择哪种工具,在不远的将来,他们将无法在最初运行的相同条件下,根据过去的代码或重复使用数据来自信地重现深度学习实验。
选择正确的深度学习自动化工具
虽然我们一直在努力构建我们认为有助于解决深度学习工作流程的三个核心支柱的解决方案,但大多数公司并未理解这些类型的自动化工具可能产生的影响。
整个领域需要努力创建一种文化,团队中的每个人都在一起工作,并使用一套工具使数据科学家能够自动化他们的工作并产生可以轻松验证的更好结果。
MissingLink直接与希望创建这些自动化工作流程解决方案的AI-first公司合作,并很乐意设置演示以更好地了解您的深度学习需求。 在这里申请演示。

姓 名:
邮箱
留 言: