Chameleon：面向中小企业生产级机器学习系统快速可扩展开发与部署的半自动机器学习框架
软件工程
2021-05-11 v1 计算机视觉与模式识别
机器学习
摘要
对中小型企业（SMEs）而言，开发、扩展和部署现代机器学习解决方案仍然具有挑战性。这是由于组建和维护专属 IT 团队的高准入门槛，以及现实世界数据（RWD）相较于标准基准数据的困难。为应对该挑战，我们讨论了 Chameleon（一个半自动机器学习（semi-AutoML）框架）的实现与概念。Chameleon 的目标是将生产就绪的机器学习系统快速且可扩展地开发并部署到 SMEs 的工作流中。我们首先讨论 SMEs 面临的 RWD 挑战。之后，我们概述框架的核心部分，即带有 RWD 相关默认设置的模型与损失函数库。随后，我们展示如何使用可模板化框架以自动化实验迭代周期，并缩小开发与部署间的差距。最后，我们触及测试框架组件，其使我们能够调查常见模型失效模式并支持模型部署治理的最佳实践。
引用
@article{arxiv.2105.03669,
title = {Chameleon: A Semi-AutoML framework targeting quick and scalable development and deployment of production-ready ML systems for SMEs},
author = {Johannes Otterbach and Thomas Wollmann},
journal= {arXiv preprint arXiv:2105.03669},
year = {2021}
}