Google Cloud AI Platform

AI Platform je staršie označenie cloudových služieb Google pre strojové učenie. Staršie rozhranie AI Platform Prediction bolo vyradené. Pri presune historického riešenia preveríme tréningové artefakty aj predikčné rozhrania v aktuálnej ponuke Google Cloud.

Rozhodnutia pri návrhu

Pri prechode treba zosúladiť vstupno-výstupný kontrakt, servisné účty a spôsob zostavenia obrazu s modelom.

Príklad z pracovného postupu

Ak stará predikčná úloha vracala polia v určitom poradí, aplikácia môže toto poradie nevedomky používať. Pri modernizácii overíme význam výsledku a kompatibilitu volajúceho systému na uložených historických vstupoch.

Ako výsledok overiť

Referenčná dávka overí výsledky pred migráciou a po nej. Samostatne kontrolujeme dostupnosť endpointu a práva volajúcej aplikácie.

Ako vyhodnotiť pracovnú záťaž

Pri konkrétnom projekte zaznamenáme typ vstupu, verziu služby alebo modelu a podmienky vyhodnotenia. Ukážka na jednom dobre čitateľnom či jasnom príklade nedokáže určiť, koľko pracovných prípadov potrebuje ďalšiu kontrolu.

Hodnotenie preto rozdelíme podľa dostupného jazyka, zdroja, zložitosti a významu chyby. Pri menšej vzorke uvádzame aj absolútny počet omylov. Evidujeme spotrebu, čas spracovania a oprávnenia potrebné na spätne vysvetliteľný výsledok.

Pôvodný odborný zdroj – Google Cloud AI Platform

Inventár historického projektu musí zachytiť aj pomocné dávky

Pri migrácii staršieho riešenia AI Platform môže byť tréning viditeľný ako hlavný krok a pomocné skripty môžu mimo neho pripravovať slovník, modelové príznaky alebo export pre reporty. Pri inventarizácii sledujeme konkrétnu predikciu až k surovému vstupu. Tým sa objavia aj závislosti mimo modelu.

S testovacím príkladom skontrolujeme, či náhradná zostava vytvorí rovnaké polia v rovnakých jednotkách. Ak sa rozhodnutie zmení, oddelene zdokumentujeme zámernú zmenu obchodného pravidla a technickú odchýlku pri prenose.

Otázky z praxe

Čo hľadať v staršej dokumentácii s označením AI Platform?

Zistíme, či názov označuje tréningovú úlohu, predikčné rozhranie, modelový artefakt alebo iba interný popis. Staršie služby môžu mať zmenený životný cyklus. Pri migrácii vychádzame z konkrétnych používaných operácií a aktuálnych možností Google Cloud, nie z podobnosti historických obchodných názvov.

Ako preveriť kompatibilitu novej predikčnej odpovede?

Uložíme vstupné prípady a ich očakávané obchodné výsledky ešte pred presunom. Pri porovnaní zohľadníme poradie tried, dátové typy, jednotky a prahy, podľa ktorých aplikácia koná. Číselne blízky výstup môže zmeniť rozhodnutie pri hodnote tesne nad alebo pod stanovenou hranicou.

Čo ak máme výsledný model, ale stratilo sa predspracovanie?

Samotné váhy nemusia prezradiť normalizáciu, poradie atribútov ani mapovanie kategórií. V pôvodných artefaktoch a testovacích vstupoch preto hľadáme tieto kroky a porovnáme úplný priebeh. Ak dôkazy chýbajú, uvedieme neistotu a nastavíme nový referenčný test pred prijatím modelu do prevádzky.

Potrebujete poradiť?

Opíšte nám, čo potrebujete vyriešiť. Odpovedáme e-mailom.

O čo máte záujem?

Martin Michalka vám pošle návrh e-mailom. Opíšte jednu úlohu, ktorú vo firme robíte opakovane.

Ako vás máme kontaktovať?