Etkili Makine Öğrenimi İş Akışları
Dash Enterprise'ı Makine Öğrenimi Yaşam Döngüsüne Entegre Etme
Çoğu veri bilimi projesi üretime geçemez. Keşif amaçlı veri analizi, açıklanabilirlik, özellik geliştirme, model dağıtımı ve model izleme dahil olmak üzere makine öğrenimi yaşam döngüsünün her aşamasında verileri görselleştirmek için kurumsal düzeyde Dash uygulamaları oluşturarak başarılı bir sonuç elde etme olasılığını artırabiliriz.
Veri bilimcileri, makine öğrenimi yaşam döngüsünün her aşamasında analitik uygulamalar yayınlayarak, paydaşlara ara görüşlere erişim ve hedefleri yeniden düzenlemek için fırsatlar sağlayabilir. Modeller, paydaşlara API'ler veya not defterleri yerine etkileşimli web uygulamaları olarak sunulabilir.
Dash Enterprise platformu, veri bilimcilerin makine öğrenimi yaşam döngüsünün tamamına sahip olmalarını sağlar. Jupyter not defterlerini ve Python betiklerini, projenin yaşam döngüsü boyunca eyleme geçirilebilir bilgiler sağlayan etkileşimli web uygulamalarına ve panolara dönüştürebilirler.
Dash ile keşifsel veri analizi yapma
Açık kaynaklı görselleştirme kitaplığımız Plotly ile ham verilerin keşifsel veri analizini (EDA) hızla gerçekleştirin. Veri bilimcileri, Python aracılığıyla herhangi bir kaynaktan veri okuyabilir, özellikleri temizleyebilir ve dönüştürebilir, temel görselleştirmeler oluşturabilir ve bunları Workspaces aracılığıyla görüntüleyebilir., Dash Enterprise'ın tarayıcı aracılığıyla hemen erişilebilen (indirilecek bir şey yok!) ancak güvenli kurumsal güvenlik duvarınız içindeki bir sunucuda çalışan yerleşik IDE'si. Ekipler, Jupyter'a, bir terminale ve kuruluşunuzun veritabanlarına ve API'lerine ağ erişimine sahip standart bir üretim ortamında geliştirme yapabilir. Bir Dash Enterprise çalışma alanında, veri bilimcileri, Plotly'nin Jupyter Notebook'lardaki grafik kitaplıklarıyla verileri görselleştirebilir ve paydaşlar için dahili Dash uygulamalarını hızla yayınlayarak verileri keşfederken ve modeller oluştururken sıkı geri bildirim döngüleri sunar.
Dash Enterprise'ın tarayıcı aracılığıyla erişilebilen yerleşik IDE'si Workspaces
Öngörülü bir satış modeli oluştururken özellik mühendisliği için önemli olabilecek temel özelliklere (örneğin yıl, konum, kategori) göre verileri çapraz filtreleyin
Yapay zeka ve makine öğrenimi API'lerinin üzerine uygulamalar oluşturma
DataRobot, Prefect ve Databricks gibi platformlarda ya da yerleşik bir platformda oluşturulan gelişmiş yapay zeka ve makine öğrenimi projeleri genellikle bir API olarak yayınlanır.
Dash Enterprise ile veri bilimcileri, bu API'leri çağıran ve paydaşlara modelle etkileşim için zengin bir kullanıcı arabirimi sağlayan Python web uygulamalarını hızla oluşturabilir. Veri bilimcileri, verileri ve modeli içten dışa bildiklerinden, uygulamayı oluşturmak ve paydaşlarına sunmak için en uygun ekip onlardır. Modele ve uygulamaya sahip olan veri bilimcileri, paydaş geri bildirimlerini hızla dahil edebilir.
Harici bir model API'sine bağlı bir modeldeki verileri görselleştirme
Açık kaynak analitik kitaplıklarından yararlanma
Tüm makine öğrenimi modelleri, gelişmiş API'ler olarak dağıtılmaz. Müşterilerimizin çoğu, scikit-learn, scipy, statsmodels, Prophet gibi açık kaynak kitaplıklarını veya kendi sayısal yöntemlerini doğrudan uygulamalarına ve panolarına dahil ederek önemli bir değer oluşturur. Bu yöntemler, bir Dash geri araması içinde anında çalışır. , ve için makine öğrenimini kullanabilir .
Yüksek boyutlu banka müşteri şikayeti verilerini görselleştirmek ve NLP analizinde mekansal dağılımı etkileşimli olarak keşfetmek için sciki-learn'ün t-SNE aracını kullanın.
Model açıklanabilirliğini ve özellik geliştirmeyi anlama
Bir model oluşturulduktan ve ayarlandıktan sonra, veri bilimcileri, yapay zeka geliştiricileri için büyük ölçüde kara kutu olarak kalan makine öğrenimi modellerinin çıktılarını daha iyi anlamak için SHAP gibi kitaplıkları kullanabilir. SHAP değerleri , bir modeldeki bir özelliğin önemini ölçmeye yardımcı olur , karmaşık kara kutu algoritmalarına bir miktar açıklanabilirlik kazandırır ve daha fazla ince ayar yapılmasına izin verir. Veri bilimcileri, SHAP değerlerini Dash Uygulaması içinde görselleştirebilir ve ayrıca tanımlanan kontrollerle (örn. özellikler) etkileşim kurarak tahmin edilen çıktılardaki değişiklikleri anında görselleştirebilir.
SHAP içeren Dash uygulamalarını devreye alarak açıklanabilirlik, üretimin bir parçası haline gelebilir ve paydaşların, veriler geliştikçe modelin zaman içindeki değişimini sürekli olarak izlemesine olanak tanır.
Bireysel özelliklerin, garsonlar tarafından alınan tahmin edilen bahşiş miktarı üzerindeki etkisini anlamak için SHAP'i kullanma
Uygulamaları güvenlik duvarı içinde dağıtma
Başarılı makine öğrenimi projelerine birkaç uygulama eşlik edebilir:
- Her veri kümesi için keşif amaçlı veri analizi uygulamaları
- Model API'sini çalıştırmak ve keşfetmek için bir kontrol paneli
- Her model için açıklayıcı modeller
- Modeli, kaymayı ve sonraki iş etkilerini takip etmek için uygulamaları izleme
BT departmanı, Dash Enterprise'ı kuruluşlarının bulutuna (AWS, GCP, Azure) veya bir çıplak donanım sunucusuna kurar ve yapılandırır. Plotly, Dash Enterprise'ı barındırmaz — kurulum tamamen kuruluşunuzun VPC'si veya güvenlik duvarı içindedir.
Kurulduktan sonra veri bilimcileri, Dash uygulamalarını ek BT kaynaklarına ihtiyaç duymadan platformda oluşturma, dağıtma ve paylaşma ajansına sahip olur.
Dash Enterprise, veri bilimciler tarafından uygulama geliştirmeyi mümkün kılar
Makine öğrenimi ve yapay zeka projelerinin, veri bilimcileri ve alan uzmanları paydaşlarıyla yalnızca API'leri değil, canlı veri uygulamalarını ve gösterge panolarını paylaştığında en başarılı olduğunu bulduk.
Uygulama ve pano geliştirmeyi veri bilimcilere kaydırmak için geleneksel uygulama geliştirme ve devreye alma işlemlerinin radikal bir şekilde basitleştirilmesi gerekir. Web siteleri oluşturmak ve dağıtmak için kullanılan geleneksel araçlar, bir veri bilimcisi için değil, geleneksel yazılım veya BT geliştiricisi için oluşturulmuştur. Geleneksel yığında, uygulama geliştirmenin her yönü bir uzman tarafından gerçekleştirilir: Ön uç bir ön uç mühendisi tarafından, arka uç bir arka uç mühendisi tarafından, tasarım bir CSS geliştiricisi tarafından, dağıtım bir DevOps mühendisi tarafından yapılır.
Dash Enterprise, veri bilimcilerin geleneksel yazılım geliştirme yığınının her katmanında uzman olmadan bu uygulamaları geliştirmeleri için platform sağlar.
Dash uygulama çerçevesi, veri bilimcilerin bu uygulamaları tamamen Python'da oluşturmasına olanak tanır. Bir veri bilimcinin Jupyter not defteri, etkileşimli bir uygulamaya dönüştürülebilir ve yayınlanabilir.
Workspaces içinde Jupyter not defterinde bir figürle etkileşim kurma
Uygulamanın düzeni ve teması, veri bilimcilerin minimum kod satırıyla (ve CSS gerektirmeden) güzel, markaya uygun uygulamalar oluşturmasını sağlayan Dash Enterprise Design Kit tarafından desteklenmektedir:
Dash Enterprise Design Kit'te Tema Düzenleyici
Uygulama ve Geri Arama Düzeyinde Güvenlik, platforma yerleşiktir. Paydaşlar, LDAP veya SAML üzerinden kuruluşunuzun Tek Oturum Açma (SSO) ile uygulamalarınızda oturum açar. Veri bilimcileri ve BT yöneticileri, kullanıcı arabirimi aracılığıyla uygulamayı kimlerin görebileceğini yapılandırır:
Dash Enterprise'da uygulama yapılandırmaları
Uygulamalar, veri bilimcinin makine öğrenimi rutinleri ve API'leri ile doğrudan entegre olacak şekilde tamamen Python'da oluşturulmuştur. Kod, platformda bir Dash Enterprise çalışma alanında yazılabilir veya git ile platforma yüklenebilir.
Tek tıklamayla dağıtmak için üst çubuktaki "Dağıt" düğmesini tıklayın!
Ek kurumsal yetenekler, PDF raporlama veya uygulamaları diğer web sitelerine yerleştirme gibi belirli kullanım durumları için açık kaynak çerçevesinin üzerine inşa edilmiştir.
Uygulamaları diğer web sitelerine gömme
Çözüm
Başarılı yapay zeka ve makine öğrenimi projeleri, keşif amaçlı veri analizi, model API'lerini keşfetme, açıklanabilirlik, model izleme ve daha fazlası dahil olmak üzere sürecin her aşamasında etkileşimli veri görselleştirmeyi içerir.
Dash Enterprise, veri bilimcilerin makine öğrenimi yaşam döngüsünün her aşamasına eşlik edecek analitik uygulamalar ve panolar yayınlamasına olanak tanır.
