2021-04-14 15:53:00
#سوالات_مصاحبه_استخدامی_متخصص_علم_داده
#سوال_شش
معماری کلی یادگیری ماشین را شرح دهید.
مطابق شکل بالا، شامل مراحل زیر است:
درک کسب و کار: مورد مطالعه (use case) و حوزه ایی که مورد مطالعه برای آن ساخته شده را بهتر بشناسید.
به دست آوردن و درک داده: شامل جمع آوری داده از منابع مختلف، فهم داده و همچنین پاکسازی داده، مدیریت داده های مفقودی و ... می باشد.
مدل سازی: شامل مراحل زیر است.
مهندسی ویژگی: مانند استاندارد سازی داده و انتخاب ویژگی. برای مثال می توان از روش حذف عقبگرد، فاکتورهای همبستگی و PCA برای انتخاب ویژگی استفاده کرد.
آموزش مدل: شامل انتخاب الگوریتم و آموزش با ویژگی های انتخاب شده می باشد.
ارزیابی مدل: اگر دقت مدلی بالا نباشد برای بهبود آن می توان تنظیم هایپرپارامترها، تغییر الگوریتم یادگیری ماشین و یا جمع آوری داده بیشتر را امتحان کرد.
استقرار: زمانی که مدل دقت خوبی داشت، می توان مدل را مستقر و بر کارایی مدل نظارت کرد. اگر برای داده های جدید کارایی مدل خوب نبود، از ابتدا فرایند جمع آوری داده تا استقرار مدل را دوباره انجام می دهیم.
منبع: ineuron.ai
@meteorjournal
2.8K viewsMaryam, 12:53
M
