Sorumlu Makine Ögrenmesi Rehberi

Tahmin modellerini sorumlu bir yaklaşımla nasıl kurabiliriz? Bu, farklı deneyim seviyelerindeki veri bilimciler tarafından bana sıklıkla sorulan bir sorudur. G r n şte basit ama aynı zamanda zorlayıcı, nk ele alınması gereken farklı paydaşlara ait birka ortogonal konu ve bakış a ısı var. Model geliştiriciler, model eğitiminin otomasyonuna, performansının izlenmesine, hata ayıklamaya ve MLOps ile ilgili diğer konulara odaklanır. Tahmin modelleri kullanıcıları a ıklanabilirlik, şeffaflık ve g venlikle daha fazla ilgilenirken, adalet, nyargı, etik ise oğunlukla toplumu ilgilendiren konulardır. D zenleyiciler, zellikle b y k l ekli etkileri olan model kullanımlarının sonu ları ile ilgilenmektedir. Bu bakış a ılarını dikkate alarak, Sorumlu Makine ğrenmesi (RML) ile ilgili temel unsura odaklanıyoruz. Algoritmalar - Genellikle, verideki karmaşık ilişkileri ortaya ıkarmak i in gelişmiş ve esnek makine ğrenmesi algoritmaları kullanmanız gerekir. Ancak, nasıl alıştıkları anlaşılmadan kullanılmamalıdır. Do\-la\-yı\-sıy\-la sorumlu modelleme hakkında bir tartışma, karmaşık modellerin nasıl alıştığı konusuna mutlaka değinmelidir. Yazılım - Gelişmiş modellerin eğitimi, yoğun hesaplama gerektiren bir s re tir. Verimli eğitime izin veren paketler, birer m hendislik harikasıdır. Profesyoneller iyi ara lar kullanır, bu nedenle sorumlu modellemeyle ilgili bir hikaye yazılırsa, mutlaka iyi yazılımla ilgili bir b l m i ermelidir. S re - Tahmin modelleri kurmak yalnızca ara larla ilgili değil, aynı zamanda planlama, lojistik, iletişim, teslim tarihleri ve hedeflerle de ilgilidir. Veri ve model keşfi s reci tekrarlı bir s re tir, her tekrarda olduğu gibi, giderek daha iyi modellere ulaşırız. Ara ları ne zaman ve nasıl kullanacağınızı bilmiyorsanız, yalnızca ara ları kullanabilmek yeterli olmaz. Bu nedenle sorumlu modellemeden nce modelleme s re lerin ele alınması gerekiyor. Bu kitap, bahsedilen bu y nleri aynı anda bir araya getiren bir i eriğe sahiptir. İ eriği, bazı modern makine ğrenmesi y ntemlerini ve alışma mekanizmalarından oluşmaktadır. Y ntemler, R dilinde Rcran yazılmış rnek kodlarla desteklenmiştir. Beta ve Bit adlı iki karakterin maceralarını anlatan bir izgi roman ile anlatım hikayeleştirilmiştir. Bu etkileşim, farklı bir model denemek, keşif i in başka bir y ntem denemek, veya başka verileri aramak gibi analistlerin sıklıkla karşı karşıya kaldıkları, modeller nasıl karşılaştırılır veya nasıl doğrulanır