BloguData na AI
Kujifunza kwa mashine kwa biashara: anza na uamuzi, si modeli
Na Micah Ondiwa, Mhandisi Mkuu wa Programu 1 dak. kusoma
Miradi ya ML yenye mafanikio huanza na uamuzi maalum, matokeo yanayopimika na historia ya kutosha yenye kuaminika — modeli huja mwishoni.
Sababu ya kawaida zaidi miradi ya kujifunza kwa mashine kushindwa ni kwamba huanza na mbinu badala ya uamuzi. "Tunapaswa kutumia AI" si mradi. "Tunaotaka kujua ni maagizo gani yanayoweza kuchelewa ili tuweze kuchukua hatua mapema" ni mradi.
Maswali matatu kabla ya kujenga
- **Uamuzi upi utabadilika?** Taja nani atakayefanya vitendo kutokana na utabiri na watakavyofanya tofauti.
- **Tutajua vipi ilifanya kazi?** Chagua kipimo — utolewaji wa bidhaa uliochelewa kidogo, hisa zilizofutwa kwa kiwango kidogo, kupangilia kipaumbele kwa haraka.
- **Je, tuna historia?** Modeli hujifunza kutoka kwa mifano ya zamani, yenye matokeo yaliyoandikwa. Bila hiyo, anza kwa kuikusanya.
Anza kwa urahisi
Sheria iliyochaguliwa vizuri au modeli rahisi ya takwimu mara nyingi inatosha na ni rahisi kuelezea. Tumia kama msingi ambao modeli yoyote ngumu zaidi inapaswa kumzidi.
Wahusishe watu kwenye mzunguko
Wasilisha utabiri kama alama za hatari au mapendekezo pamoja na sababu kuu zilizochangia, na ruhusu wafanyakazi kuibatilisha. Ubatilishaji wao ni mrejesho wa thamani.
Panga kwa mabadiliko ya tabia (drift)
Modeli huzorota kadri dunia inavyobadilika. Fatilia usahihi baada ya uzinduzi na panga upya mafunzo.
Soma zaidi kuhusu kazi zetu za kujifunza kwa mashine na uchambuzi unaotabiri.
Kuhusu mwandishi
Micah Ondiwa
Mhandisi Mkuu wa Programu
Micah Ondiwa anaandika kuhusu uhandisi wa programu — usanifu wa programu, APIs na uingizaji, data na maendeleo yanayosaidiwa na AI, na utoaji wa kuaminika.