14、机器学习中的监控与日志记录

机器学习中的监控与日志记录

1. 前期练习与思考问题

在深入监控与日志记录主题之前，先进行一些练习并思考相关的批判性问题。

1.1 练习

• 下载 XCode 并使用 Apple 的 Create ML 从 Kaggle 或其他开放数据集位置找到的样本数据集训练模型。
• 使用 Google 的 AutoML 计算机视觉平台训练模型并将其部署到 Coral.AI 设备。
• 使用 Azure ML Studio 训练模型并探索 Azure ML Studio 的可解释性特性。
• 使用 ELI5 解释机器学习模型。
• 使用 Ludwig 训练机器学习模型。
• 从官方 SageMaker 示例中选择一个 SageMaker 自动模型调优示例，并在你的 AWS 账户上运行。

1.2 批判性思考讨论问题

• 为什么 AutoML 只是现代机器学习自动化故事的一部分？
• 美国国立卫生研究院（NIH）如何使用特征存储来加快医学发现的速度？
• 到 2025 年，机器学习的哪些部分将完全自动化，哪些方面不会？到 2035 年，机器学习的哪些部分将完全自动化，哪些因素不会？
• 垂直整合的 AI 平台（芯片、框架、数据等）如何为特定公司提供竞争优势？
• 国际象棋软件行业如何为 AutoML 中人工智能和人类如何合作以改善问题解决结果提供见解？
• 以数据为中心的方法与以模型为中心的机器学习方法有何不同？像 K