Analizziamo e progettiamo il modo migliore per utilizzare una struttura dati per ottimizzare automaticamente gli algoritmi. La strada da compiere per realizzare una applicazione di machine learning è lunga e tortuosa. Dopo aver assistito molte aziende nella realizzazione di progetti di ML abbiamo identificato le 4 fasi da seguire:
1. L’approccio. Ci sono diversi modi per definire gli obiettivi di una applicazione di ML. La disponibilità dei dati, i criteri di successo e la complessità del compito sono gli elementi da considerare nella definizione. Gli obiettivi da porsi sono, stabilire i giusti criteri di successo, identificare un set di dati iniziale adeguato e scegliere il modello.
2. Prototipo. Costruiamo un prototipo end-to-end senza ricorrere al ML e da questo capiamo se il ML serve o meno. Se deve essere utilizzato l’ ML bisogna raccogliere il set di dati e iniziare l’addestramento
3. Test. Bisogna valutare il modello analizzando i suoi difetti e correggerli. Obiettivo è aumentare la velocità di analisi, di raccolta e correzione degli errori per arrivare quanto prima allo sviluppo del modello reale
4. Monitoraggio. Il modello implementato può fallire in modi imprevisti, bisogna realizzare il fine-tuning delle prestazioni raggiunte al punto precedente attraverso il monitoraggio degli errori
