Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Manutenzione automatizzata di un modello di classificazione delle immagini
Una volta che il modello di classificazione delle immagini è stato distribuito e reso disponibile per l'uso, potrebbe richiedere alcuni interventi di manutenzione. Considera ad esempio gli scenari riportati di seguito:
-
Un modello classifica le cultivar di mais per aiutare i lavoratori durante il periodo del raccolto. Nel tempo, l'aspetto delle cultivar di mais sta lentamente cambiando e, in alcuni punti, potrebbero essere introdotte nuove cultivar.
-
Un modello determina il tipo di veicolo parcheggiato in un punto di un garage. Esegue una classificazione dettagliata per il modello, la marca e l'anno di un veicolo. Deve essere aggiornato ogni anno per i nuovi modelli che sono stati rilasciati.
-
Un modello viene addestrato sui post sui social media per rilevare il sentimento rispetto a diverse entità e argomenti. Il modello deve rimanere aggiornato per nuovi argomenti, entità, modi di dire e simboli emoji.
In tutti questi scenari, i modelli richiedono una riqualificazione periodica. La riqualificazione è necessaria in base alla deriva del modello (le proprietà dei dati di input sono cambiate nel tempo) o a causa degli aggiornamenti necessari al modello per gestire un'attività modificata. La creazione di pipeline di operazioni ML AWS può essere effettuata a diversi livelli di astrazione. Il più flessibile e astratto è quello da utilizzare per creare il flusso AWS Step Functions di lavoro per la manutenzione dei modelli.
Per un esempio di pipeline di operazioni ML, consulta MLOps End-to-EndEsempio di utilizzo di Amazon SageMaker AI Pipeline e AWS CDK così AWS CodePipeline via
