Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Mengotomatiskan pemeliharaan model klasifikasi gambar
Setelah model klasifikasi gambar Anda diterapkan dan tersedia untuk digunakan, mungkin memerlukan beberapa pemeliharaan. Perhatikan contoh skenario berikut:
-
Sebuah model mengklasifikasikan kultivar jagung untuk membantu pekerja selama waktu panen. Seiring waktu, penampilan kultivar jagung perlahan berubah, dan pada titik-titik tertentu, kultivar baru mungkin diperkenalkan.
-
Model menentukan jenis kendaraan yang diparkir di tempat di garasi parkir. Ini melakukan klasifikasi berbutir halus untuk model, merek, dan tahun kendaraan. Itu harus diperbarui setiap tahun untuk model-model baru yang telah dirilis.
-
Sebuah model dilatih pada posting media sosial untuk mendeteksi sentimen sehubungan dengan entitas dan topik yang berbeda. Model perlu tetap diperbarui untuk topik, entitas, idiom, dan simbol emoji baru.
Dalam semua skenario ini, model memerlukan pelatihan ulang berkala. Pelatihan ulang diperlukan berdasarkan model drift (properti data input telah berubah dari waktu ke waktu) atau karena pembaruan yang diperlukan untuk model untuk menangani tugas yang dimodifikasi. Pembuatan pipa operasi ML di AWS dapat dikejar pada beberapa tingkat abstraksi. Yang paling fleksibel dan abstrak adalah menggunakan AWS Step Functions untuk membuat alur kerja untuk pemeliharaan model.
Untuk contoh pipeline operasi ML, lihat MLOps End-to-EndContoh menggunakan Amazon SageMaker AI Pipeline, AWS CodePipeline, dan AWS CDK
