team, cooperation, planning-4503157.jpg

A/B testy modelu ML (część 1). Jak przygotować A/B testy?

Jeśli zajmujesz się dziedziną uczenia maszynowego, na pewno słyszałeś o testach A/B. Jest to najlepszy i najbardziej wiarygodny eksperyment, jaki możemy przeprowadzić, żeby potwierdzić dobre działanie naszego modelu. W tym wpisie powiem więcej, co to są A/B testy i z czego się składają. Jest to pierwszy z serii trzech wpisów w tym temacie. Kolejne to: …

man, work, desk-597178.jpg

Model benchmarkowy – dlaczego go potrzebujesz i jak go stworzyć?

Model benchmarkowy ogólnie to model, który jest używany do porównania wydajności innych modeli. Może to być model dotychczas najlepszy na danym zbiorze i celem jest pobicie jego wyników przez autorów nowej architektury. Jednak w tym artykule mam na myśli prosty model, który sam tworzysz, zaczynając pracę nad nowym projektem, który będzie punktem odniesienia przy dalszych …

whiteboard, man, presentation-849812.jpg

Jak w 2 minuty analizuję dowolne dane tabelaryczne?

Dzisiaj przedstawię, jak w prosty i szybki sposób można przeanalizować (niemal) dowolne dane tabelaryczne za pomocą Jupyter notebooka i biblioteki Pandas profiling w Pythonie. Niezależnie, co jest celem naszej predykcji, przed zbudowaniem jakiegokolwiek modelu Machine Learning potrzebujemy przeanalizować dane. Załóżmy, że mamy dane w postaci tabelarycznej w jednej tabeli, gdzie w wierszach są poszczególne elementy …

code, coding, computer-1839406.jpg

Moja ściąga z 17 komendami przydatnymi w projektach ML

Pracując od kilku lat przy różnych projektach Machine Learning, zacząłem budować “ściągę” z różnymi komendami. Większość z nich stosuje się na tyle rzadko, że trudno jest je zapamiętać. Z drugiej strony, kiedy jej nie miałem, łapałem się, że wielokrotnie wyszukuję te same rzeczy na Stacku. Chciałbym się podzielić z Tobą fragmentem mojej ściągi – może …

business, businessman, chair-1839191.jpg

6 powodów, dla których ważna jest interpretowalność modelu ML

Dlaczego dbanie o interpretowalność modelu jest tak ważne?Przedstawię dziś 6 powodów, z których część może Cię zaskoczyć. 1. Zaufanie do modelu i pewność, że robi on to, co miał robić. Pierwszym krokiem oceny jakości modelu jest odpowiednio zdefiniowana metryka (np. accuracy, F1 czy MAPE).Jednak metryka może być obliczona w niewłaściwy sposób lub może być nieinformatywna.Dlatego …