عمليات تشغيل تعلم الآلة لتفعيل علم البيانات

عملياتتشغيل تعلم الألة لتفعيل علم البيانات: أربع خطوات لتحقيق قيمة علم البيانات خلال عمليات النموذج.

تأليف ديفيد سوينر وآخرون

الناشر: أو رايلي

تاريخ النشر: 2020

عدد الصفحات: 38 صفحة

تضمن هذا الکتيب  الذي يتعلق بعمليات تشغيل تعلم الآلة لتفعيل وتحقيق قيمة علم البيانات ، أهمية تواجد أربع خطوات أساسية  ترتبط بتحقيق ذلک التي تتمثل في بناء النموذج المحتاج إليه؛ إدارة هذا النموذج بطريقة سليم؛ نشر وتکامل النموذج المصمم؛ ثم أخيرا مراقبة تنفيذ النموذج واختباره.

کما استعرض هذا العمل دراستي حالة: الأولي ترتبط بتفعيل علم البيانات في الصناعة التحويلة عبر نماذج التؤم الرقمية؛ والحالة الثانية تستعرض  تفعيل علم البيانات في صناعة التأمين التي تتعلق بنماذج التسعير الديناميکية.

استعرض هذا الکتيب أهمية نشر النماذج وخاصة النماذج التنبؤية ، حيث يکم نضکين عدد من التحويلات وقواعد الأعمال الممکن الحصول عليها فيما يتعلق بطريقة تفعيل علم البيانات  باستخدام عمليات تشغيل تعلم الآلة. وبذلک يتضمن النموذج المصمم لعمل التنبؤات عدة عناصر أو متغيرات أساسية ترتبط بالمجال  المحدد المطلوب تطويره، وتتواجد هذه المتغيرات في نطاق البيانات الخام   المدخلة بدون أي حسابات إضافية أو  نقص فيها، إلا أنها مرتبطة بإمکانية تفعيل هذا النموذج المطور من خلال  مجموع عناصره ، مکوناته، متغيراته بالإضافة للتحويلات  المتطلبة له. التي تدار کلها کحقيقة اصطناعية من خلال خط تدفق محدد أثناء دورة حياة النموذج.

وقد استعرض هذا الکتيب أربع خطوات  اسايبة يجب القيام بها لتحقيق قيمة علم البيانات خلال عمليات النموذج. وهذه الخطوات تتمثل في التالي:

• بناء النموذج:  وفي هذه الخطوة تستخدم لغات  برمجة مثل لغتي Python, R بالإضافة ألي التطبيقات التجارية المتاحة بالفعل  من أجلإنشاء خط تدفق  التحليلات، کما يستخدم معيار خوارزميات تعلم الآلة  لبناء النماذج التنبؤية  وأداء هندسة الأوجه المميزة  المؤدية لإنشاء التحليلات الأکثر احتماليا في تقرير نموذج تعلم الآلة القوي.
• إدارة النموذج المصمم: من  الملاحظ  أن النماذج تشتمل علي دورة حياة  الموذج المدارة  أحسن من مستودع مرکزي  تتواجد فيه الأصول، تعيين الإصدار، التطابق مع القواعد والبيانات المنظمة لذلک، التوافق مع الإنتاج المستهدف،  الاختبار، النشر والاستبدال النهائيالتي تتابع ، إضافة إلي واصفات البيانات (ما وراء البيانات)  المرتبطة بحقائق النموذج أالاصطناعي Artifacts، إدارة المنصة والمستودع  التي يجب ان تتبع مقاييس الدقة  إلي جانب الوصلات بين النماذج ومجموعات البيانات.
  • النشر والتکامل:  في هذه الخطوة يؤخذ خط تدفق علم البيانات من بيئة التطوير الأصلية ويعبر عنه في تطبيقات الأعمال. علي سبيل المثال، النموذج  المطور المستخدم لغة برمجة  Python  قد يحتاج لأن يحول کود  لغة التساؤل المهيکلة  SQL  للتنفيذ في قاعدة بيانات المؤسسة، أو قد ينشئ آلية لتصدير  تفقات عمل علم البيانات کقود لغة جافا Java  مثلا الذي عندئذ أن يصبح ضمنيا  في کود التطبيق المعين. کما أن معماريات عمليات تشغيل تعلم الآلة  قد تساند أيضا نشر حقائق النموذج  الاصطناعية لبيئات السحابة العامة أو الخاصة مما يمکن من وقت أسرع للإنتاج  وتسجيا الطلبات . وعلي ذلک، توجد حاجة من أجل التمکن في نشر خط التدفق في الشکل واللغة الملائمة لهدف بيئة التشغيل المتوافق مع متطلبات أعمال المنظمة.
  • المراقبة: بعد نشر النموذج يجب مراقبته من أجل دقة تنبؤاته بالإضافة لسلامة النموذج ومعايير الأعمال الهامة الأخري بغية تقديم رؤية کاملة في تأثيره العام  علي الأعمال. ويمکن عمل المراقبة عبر أدواتذکاء الأعمال BI  المرتبطة بالتنبؤات ومداخل النموذج، أو أن تأخذ شکل تقارير جدولة نظامية علي مؤشرات أداء رئيسية  (KPIs)،  وعلي ذلک في الإمکان تحسين  الدقة ومعايير الأداء الرئيسية  إما يدويا خلال التکرار العرضي بإدخال من الخبير المسؤل البشري، او آليا خلال إعادة التدريب الجاري وحلقات التحدي  بواسطة الإنسان علي سبيل المثال.

ولتحقيق هذه الخطوات الأربعة  تم استعراض الموضوعات التاية: اعتبارات البيانات من حيث الهياکل والوصول؛ تحديد أبعاد هندسة الأوجه المتطلبة؛ إختبار النموذج المصمم؛ الخروج في مقدمة  انتشار النموذج؛ تحرير وموافقات ورقابة الإصدارة؛ إعادة استخدام وإعادة تحديد غرض النموذج من مستودع البيانات المدار مرکزيا؛ النشر والتکامل  وأين يتقابلا؛ تطوير تطبيق الأعمال . وفي إطار المراقبة تحديد القياسات الاحصائية؛ قياسات الأداء؛ قياسات  الأعمال  والعائد من الاستثمار؛ متي تنحرف النماذج عن مسارها؛  مع  إعادة التدريب  وإعادة النمذجة؛ زمراقبة آلية اللقاءات.

کما تم استعراض دراستي حالة: الحاة الأولي اختصت بتفعيل علم البانات في الصناعة التحويلية من خلال نماذج التؤم الرقمية؛ أما دراسة الحالة الثانية فقد تعلقت بتفعيل علم البيانات في صناعة التأمين من خلال نماذج التسعير الديناميکية.

م.م. الهادي