抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
生産における機械学習の上昇により,運用データ科学について話す必要がある。会話は,推薦サービスの応答品質を測定する方法に関する実用的方法を導入した。最後に,成功した応答の定義を導入し,成功した応答の速度をいかに捉えるかのガイドラインを示した。アルゴリズム応答の品質に負に影響するモデルの供給相の間に起こるいくつかの変化がある。いくつかの用例は,以下の通りである:モデルは更新され,新しいバージョンは,要求を処理し,そして,モデルを実行するスタックの最新の展開は,性能損失に通じるインフラストラクチャーのバグe-コマース設定における用例は,推薦をフィルタリングするために使用する論文メタデータを得るために,いろいろなマイクロサービスに切り替えて,入力データ変化であった。典型的な理由は,バグ(例えば,ケースに敏感な識別子を下回る)を解放するクライアントアプリケーションであり,また,ユーザにログをつけるだけにそれの代わりに製品カートを使用するように,すべてのユーザが製品カートを使用するように,データ分布に影響を及ぼす方法で特徴を変化させるかもしれない。変更が訓練データを検出しないならば,データが発散する。現在の監視解は,誤差と要求待ち時間のない要求の完了に主に焦点を合わせている。上述の例は,応答品質がかなり劣化するにもかかわらず,時々永久的に検出することが困難になることを意味する。前述の変化を検出することができないことに加えて,現在のモニタリング実践は,推薦者システムまたは他のデータ駆動サービスのパフォーマンスを意味のある方法で捉えるのに十分ではないと主張できる。例えば,個人化された推奨が要求された場合,転倒として人気のある論文を返す可能性がある。不成功として回答を記録すべきである。応答品質を測定するための新しいパラダイムは,以下の基準を満たすべきである:モデル・単純かつ理解可能な計量・測定が,応答品質が定義されたビジネスとモデリングケースに適合する方法の近似として定義されるので,実際のタイムモデル目標は,モデル学習と技術的モニタリング計量の間に使用される計量間のギャップを埋めることである。理想的に,この品質側面を含むサービスレベル目的(SLO)[1]を得て,ビジネスケースに基づく異なるクライアントアプリケーションで議論でき,例えば,「注文確認電子メールの85%」は,Zalandoの推薦チームにいかにアルゴリズム監視が導入されたかを例証する。Zalandoは,ヨーロッパの最大のファッション小売業の1つであり,複数の推薦アルゴリズムは,多くのオンラインおよびオフライン使用事例を果たす。Youは,モニタリングがバグの同定や品質問題の診断に役立つかの幾つかの例を見る。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】
