Quy trình ML từ đầu đến cuối

Mọi dự án bắt đầu từ một quyết định mà ai đó cần đưa ra. 'Khách hàng nào có khả năng hủy dịch vụ tháng tới?' là câu hỏi hữu ích. 'Áp dụng AI vào dữ liệu của chúng ta' thì không. Hãy ghi rõ model sẽ dự đoán gì, ai dùng kết quả đó, và họ sẽ làm gì khác đi nhờ nó.

Rồi tự hỏi: một quy tắc đơn giản có làm được không? Nếu 'khách không đăng nhập trong 30 ngày' đã bắt được phần lớn ca hủy, hãy bắt đầu từ đó. Model phải thắng quy tắc đơn giản mới đáng để xây.

Tiếp theo bạn thu thập các ví dụ đã biết đáp án: khách hàng cũ và việc họ có hủy hay không. Đây là dữ liệu có nhãn (labelled data). Bạn làm sạch nó: xử lý giá trị thiếu, bỏ bản ghi trùng, kiểm tra ngày tháng và đơn vị có hợp lý không.

Sau đó bạn tạo feature (đặc trưng), tức các cột mà model học từ đó. 'Số lần đăng nhập trong 30 ngày qua' hay 'số ngày từ lần mua cuối' thường quan trọng hơn việc chọn model nào. Feature tốt đến từ hiểu nghiệp vụ, không phải từ code khéo.

Bạn chia dữ liệu, huấn luyện model trên một phần và đo nó trên phần nó chưa từng thấy. Kết quả đầu tiên hiếm khi tốt. Bạn quay lại, thêm một feature, sửa một lỗi dữ liệu, thử model khác. Vòng lặp này mới là công việc thật.

Ghi chép mỗi lần thử: phiên bản dữ liệu, các feature, thiết lập và điểm số. MLflow hay một bảng tính đơn giản đều được. Không ghi chép, bạn sẽ không nhớ lần chạy nào là lần tốt.

Model chỉ có ích khi đến tay người ra quyết định. Có thể là một danh sách gửi mỗi đêm vào bảng tính, hoặc một API chạy trực tiếp. Sau khi ra mắt, bạn vẫn tiếp tục đo, vì dữ liệu sẽ thay đổi. Ta sẽ quay lại chuyện này ở bước triển khai.