Alusta ei ole itsetarkoitus: milloin ML-kehitys kannattaa yhtenäistää ja milloin lopettaa – keskustelua 'IT Picnic' -tapahtumassa
IT Picnic -konferenssissa Sergey Kuznetsov, MWS:n suositus- ja hakualustakehityksen johtaja, kertoi näkemyksiään siitä, milloin kannattaa rakentaa täysimittainen ML-alusta ja milloin pysähtyä kirjastotasolle. Hän havainnollisti kolmella tapauksella: suositusjärjestelmien, pisteytysmallien ja dynaamisen hinnoittelun yhtenäistäminen. Keskeinen johtopäätös on, että alusta kannattaa rakentaa vain, jos se perustelee kustannuksensa toistuvien tehtävien kautta.
Sergei Kuznetsov MWS-yrityksestä (osa MTS:ää) käsitteli koneoppimisen kehityksen kehitystä ja totesi, että tiimien kasvaessa ne keräävät käytäntöjä, jotka voidaan muuttaa kirjastoiksi ja sitten alustoiksi. Hän esitteli kolme tapausta: ensinnäkin noin kymmenen suositusjärjestelmän yhdistäminen yhdeksi alustaksi, joka standardisoi dataformaattien, kokeilujen ja putkistojen käsittelyn; toiseksi pisteytysmallien alustan käyttö datan valmistelun ja koulutuksen automatisoimiseksi, joka ajan myötä keräsi tuhansia varmennettuja ominaisuuksia; kolmanneksi epäonnistunut yritys luoda universaali dynaaminen hinnoittelualusta, joka todettiin liian kalliiksi verrattuna räätälöidyn ratkaisun kehittämiseen suurelle asiakkaalle. Hän korosti, että alustamiseen liittyy riskejä ja kustannuksia, ja se on kannattavaa vain, kun sama prosessi toistuu usein. Kaikkein arvokkaimmat resurssit eivät ole tietyt mallit, jotka muuttuvat nopeasti, vaan infrastruktuuri, työkalut ja rajapinnat, jotka pysyvät.
Lähde: Habr — хаб ML —
Alkuperäinen