JFrog内部使用AI和ML。我们的故事揭晓!@硅谷数据科学，ML，人工智能平台- 2021年

大家好，我叫穆拉，我是
斯坦福大学的科学家，也是联合创始人之一
与盆地湾区的木兰学院
硅谷和
我自己是个粒子物理学家
然后成为生物物理学家
生物工程师后
而且我一直在吃药
现在我正在全力以赴
并不是所有的医学都使用数据
科学和诊断设备我也
我开发了一个诊断设备
应用机器学习深度学习
我的技术中的模型
在我的学院里，我们一直在做的事情
我们正在努力
首先提高对
数据科学
并提供很多活动和
为人们举办的活动
正如我之前提到的，我们有11个
000
我想只是在聚会小组里
更活跃的那个
我们在网上做了很多
人们实际上已经远离了聚会
因为觊觎因为
聚会对面对面交流很有好处
交互
但是我们搬到了网上
人们没有意识到聚会可以
也在网上
我们有在线活动，伙计们
从中学习
最后我们一共组织了100多场活动
一年
我们有研讨会，我们做不同的
不同的谈话，我们也这样做
一些迷你训练营
去年我们有很多免费活动
仅在我们的
事件
这是一个很大的数字，16 000人
我们给
免费信息，我们是最
海湾地区活跃的聚会团体
meetup组
活动减少了很多
最近
所以请跟我们来
在不同的频道，我们有
YouTube频道我们都有录音
这些会话
现在我们已经做到了
开个俱乐部，我们会有
现场更多互动环节
俱乐部，请加入我们的
组和可能，如果你搜索magnum和
俱乐部注册
我们还会有个俱乐部
会话
它会让我们给你更多
互动
塞申斯和
你也可以在我们的聚会群里报名
我想你们大多数人都来自那里
我们有，我们要，我们要
组织
我们还没发射呢
组织另一个30分钟的系列
训练营
大概是10到12个小时的课程
系列
一个是python的，一个是
在机器学习中，我们
给出真正的基础知识
那个那个东西蟒蛇和机器
学习
这真的能帮助很多人
从它开始还是
提高自己，还有
我们将推出更多的活动
会有一个
数据科学职业会谈ai医疗保健
我们的谈话
去年做了很多，现在开始
再一次。
如果你们有兴趣的话
演讲
我们有一个自我提名
论坛，请继续
写
如果你愿意提供这些信息
谈论任何事情
我们正在筛选，我们只是
我们很高兴接待你们，如果你们
是在谈论数据吗
科学
或者周围的任何东西，都欢迎你
还要介绍一下
公司并给予更多的技术支持
信息
希望你今天也能知道
我很乐意
(音乐)
谈谈我们的客人
(音乐)
煤气喇叭来自
Jfrog公司，我们这里有
阿里，弗雷德，玛塔还有
我有背景知识
信息
我来谈谈弗雷德和马坦
关于这个
阿里，欢迎你也加入你的或
还有弗雷达和马坦兹，如果我错过了什么
弗雷德·西蒙是联合创始人
jfrag的首席数据科学家
是devops数据库的创建者之一
而四分之一的液态软件都有
以实现可信的持续更新
devops世界
在资助JFJ诈骗之前，他
共同创立的
阿尔法CSP乔尔咨询公司
1998年，他是公司的
全球首席技术官
他出色的背景和他的
专业发展
经验可以追溯到1992年
并介绍了Java技术的发展
从第一天开始
作为程序员架构师和顾问
只是你看起来太年轻了
成就还是你从什么时候开始的
宝贝，我很好奇
这是个很棒的背景
所以马坦优先于数据
jfrag的科学实践
马坦是IBM人工智能团队的负责人
专业服务
他负责开发人工智能
适用于各种企业的Ml解决方案
客户
作为角色的一部分，他设计实现
第一个的倍数
一类ai解如第一
全球人工智能
通过whatsapp提供独特的援助渠道
用于支持的编制平台
多个人工智能
单个聊天中的助手对话
会话
2019年，matan在其中发挥了重要作用
建立
bi和分析平台
以色列国家网络安全
中心他也
他拥有大数据硕士学位
数据挖掘
这让我觉得你们真的
不同的背景，我在问ari
那
我是说，你为什么不也来打个电话呢
爱屋而人愿
受益于你的背景
我只是在宣传我们称之为
组织单独的活动和俱乐部
如果你们感兴趣，我没有报酬
俱乐部附近，但我能看到一个非常
动态环境中
它提供了良好的交互性
与人民的会议
有你这样好的背景
它给了它也吸引了
非常好的人
比如你的背景可以带来
良好的动力，这就是为什么我们也有
不同的环境
作为一个大型采矿俱乐部，所以我不
想要长长久久
就像ari你想要添加什么到
我说的还是你喜欢讲的一个
更多的
在弗雷德和马坦面前介绍
开始
好的，当然，当然，你真的
你真的找回了善良的自己
真的去了
呃呃我们要做的很棒的事
会听到更多关于
我很荣幸能带着这些来到这里
伟大的纪念碑
但是我是阿里·沃勒，我是
会议事件管理器上的j青蛙
开发商关系团队，我们
很高兴今天又来到这里
弗雷德和巴顿的消息我知道
他们有很好的谈话机会
分享
呃为了社区我要
快速分享一张幻灯片，因为
我们在做一点赠品
我认为这是我们
应该会感兴趣
对某些人来说，我想也是
再次提到
所以如果你没有抓住它如果你没有
这次抓住了
但是，呃，只是一点点关于谁
jfrog是
Jfrog是一家开发ops软件公司
嗯
最著名的工艺品是
被很多人认为是黄金
管理工件和的标准
依赖关系
我们已经存在超过12年了
我们在全球有10个办事处
还有超过300万的devops工程师
开发人员使用我们的软件
今天的日常工具
我们有抽奖活动，我们会
送出10个
Jfrog t恤和液体
我们要把它做成一本
十个人会赢
这两个我们都有
值得一提的是弗雷德·西蒙是其中之一
液体软件的共同作者
书
所以你可以扫描二维码，否则我就不干了
点点进入聊天
嗯，还有嗯，获胜者将会
在2个以内被选中
营业日，我们将与您联系
通过电子邮件通知你
然后，当然要和
呃，呃
你的见面会页面也有，但还是那句
非常感谢你们今天邀请我们
而且
我要把屏幕关了，所以我们
能在演讲中提到重要的东西吗
Marat，再次感谢你
欢迎您
嗨，大家好
比如弗雷德·西蒙
嗯，嗯，是的，我
从10岁开始写软件
这就是这条边
嗯从那以后
就像我说的就像我以前说的努力
制造一台机器
了解我想要什么，然后实现它
正确的行为
要花很多时间和精力
只是
背景也是
人工智能和
机器学习我的
我去的时候第一份工作是实习
离开学校
这是92年的事了
一个网络
一个神经网络试图
分类和控制
大型钢铁厂
嗯嗯
ai和ml的改善
改善
从那以后的学习模式
太棒了，我们花了一周的时间
只训练一个模型
大计算机改变了很多
然后
你能移动一下吗
好的，我可以看下一张幻灯片了
我喜欢从一份小工作开始
因为我觉得
非常非常重要，对
我们正在做的事情
思想上的主要变化之一
就是我们今天看到的，所以
问题是
我不知道你们中有多少人知道
是什么
三个主要的
法国菜的三大秘诀
你们有些人知道这三个是什么
主要
法国创作的秘密你可以提出
你的手
但基本上这个笑话是
秘密越来越好越来越好
这两者之间有很好的联系
我们在jfrog做的事情
是devops
还有devops自动化和
基本上是三个主要的秘密
devops
也就是建立一个
使您能够快速发布的进程
以更快的速度发布新版本
devops的三个秘密是
基本上，你可以点击自动化
自动化，自动化，一切都是
关于
自动化一切都是关于我怎么能
实际上让机器做很多
我在做什么，让它再做一次
再一次。
和我现在做的一样
这是ai中的反馈循环
和毫升
很有趣，而且
很奇怪，顺便说一下
开发人员
他们也有同样的问题
成为一名开发者
与机器交互写作
编码和制作
一台机器能做什么
它被设定的功能和
这是
应该做的，呃，还是每个
早上你进去复印一份文件
这里你截取了一段数据，然后放入
在
S3运行6个命令就可以做到这一点
一次又一次，每天早上
你只是一遍又一遍地做同样的事情
的事,
听起来非常非常奇怪
基本上我们看到我们是
重复我们正在做的事情
同样的任务
一次又一次，我们没有
花点时间等也许我该等
自动化这些东西
有时这是
一遍又一遍地发生
所有软件的生命不仅仅是ai和ml
这是，有些人
决定好吧，我厌倦了，我要
创建
这是一个平台，一个开源工具
git在Linux上发生了什么
真正创建一个有用的平台
我们
通过自动化来更快地开发软件
很多过程，还有很多
我们正在做的事情
在ai和
Ml环境我们还处在很多
我指的是研究的数量
研究
找一个好的功能来做功能
工程
训练模型正确地找到
好参数
有太多的研究需要
做了这么多
需要手工操作的东西
那
我们觉得我们不是在
阶段或边缘自动化和
我们发现它是它是
其实不是这样的，我认为
你已经开始使用了
这就是机器的mlaps
学习中心
甚至在人工智能和环境方面
所以在jfrog，我们开始做的是
首先，我们要找到一个很好的工具和一个
这个公司在帮助我们建立
其中一些
自动化程度很高，所以我们使用
valohi.com
产品，呃，来帮助我们
自动化很多
模型的建立和大量的研究
环境在一起，所以
基本上多
人和多重数据科学
研究操作可以一起进行
在同一个平台
还有多个版本，这是
最重要的是
很多时候我们发现你
非常努力地清理数据
找出适合潮流的特征
以身作则，发现优点
你会变得很好
非常好的数字，非常好
来自模型的反馈
然后你想把它给
生产，然后投入生产
当然第一件事是
很多时候都是这样
只是把模型放进去吗
生产部和马坦会谈的
关于它的
你实际上影响了反馈
数据开始改变
人们开始基于
你所给予的，实际上是
改变了反馈回路
更改数据
所以你必须重新训练模型
不得不啊
找到一个新的参数，一个新的方法
所以
模型从来不是静态的，它需要是静态的
重新更新，然后，然后，再换一个
时间
你需要自动化
能够安全地
反复地重新部署
不需要重做很多
有很多很多的工作，有很多
这里的体力劳动可以
自动化
在这个数据提取训练循环中
以及部署和测试
就像我之前说的
现在你可以找到这个循环
模式
这是我们想要的下一个阶段
与…有关
马坦，它是它实际上是找到
模式在人的方式
有版本控制软件吗
从人们的生活方式中找到规律
部署并执行这个循环
这个devops循环是连续的
改进和持续交付
一直这样做，就有了
再一次。
ai和mf之间的反馈循环
所以
马坦要给你看什么
这是
我们是怎么开始使用这个的
方法论和这个
想着，呃，继续监视，然后
管理各种
参数和
(音乐)
模型
深入研究模型以及如何
模型
实际上创造了什么
重要的特性
如果有很大的变化，例如
从一个版本到另一个版本
可能有什么事情发生了
错误的等等
所以你说了算
好的，非常感谢弗雷德，大家好
每一个人
我要用下一个，比如，烦躁
接下来的20到25分钟
和你谈谈两个真实的世界
我们解决的用例
实际上仍然在jfog中求解
第一个问题是
对客户成熟度进行分类
他们的devops旅程
基本上它的意思是存在
能看到一个
具体的客户，然后分类
分类演示旅程，例如如果
有些人是初学者
在他死后，德国可能是一个
高级用户
然后基于这个分类
试着看看是否有空白
之间的方式，这个具体
客户正在使用我们的产品
举个例子
使用非常亮的灯
产品的订阅，但是
另一方面，他很成熟
在他的发展历程中
可能是某人
我们可能想要跟他说话
问他
也许是搬到更高的楼层
这对他来说更重要
更好地利用更多的工具
与他的
devops状态
这是第一个第一个用例
我会讲到
二是客户预测
使用模式和异常警报
这个项目基本上我是说
项目背后的目标
是否能够通知我们的客户
当他们有特殊异常时
他们的数据
当他们不使用产品时
正确地，我们希望能够采取行动
准时到达
也能预测一二
三个月前
呃，这个的用法
产品的使用和基本
通过预测，我们得到了一个整体
一组选项和要做的事情
就像嗯
评估客户的健康状况如果有人
是嗯
比如说，一个好的趋势
随着时间的推移
如果某人有消极的趋势如果
某人突然出现多种异常
这是我们可以做到的
使用的方法是为了改进
他们使用产品
最后我们会讲到
部署和监控方面
也就是说我们如何让我们的模型
高质量的
一是一旦我们投入生产
我要去的一些事情
以显示您已经实现了
有些还在研究中，所以
让我们从第一个开始
模型
第一个是
Devops旅程模型
我要从
输出你所看到的
右边实际上是什么
我们的
销售代表正在见那些
细胞
我们基本上是想回答
以下问题
我们需要建议客户搬家吗
更先进的工具
举个例子，如果有人
使用嗯
是产品的订阅
叫做jfogpoix，相对来说
一个媒体类型的订阅，我们知道
devops的成熟度非常高
然后我们想要能够反射
给销售人员
这就是他们将要看到的
看到一个特殊的领域
由我们的模型和这个填充
Field会告诉他们
说明绝对评分是高的意思
这个客户可能会需要
是
和他聊天，问他你是否
想要移动到下一层的基础上
你的用法是这样的
你可以用我们的产品
更好，使用更多的功能
基本上就像我说的目标
它的背后
给我们最好的选择
客户根据使用情况而定
现在我们提供的第二件事
代表
这和弗雷德说的有关吗
另一个字段叫做
以追加销售反馈为例
我们
标记了这个特定的客户，对不起
(音乐)
假设我们标记了一个特定的
顾客这么高，然后就
实际上这是一段
顾客和销售代表，然后进来
这段对话我们发现的对话
出来的客户是完全的
不感兴趣，所以我们想
来
有这些反馈并改进我们的模型
根据反馈
这是关闭
整个反馈回路
让我们可以改进我们的模型
但是时间
我认为最重要的是
我们为自己提供
不仅仅是预测，不仅仅是
的
高、中、低分
客户
但我们也为他们提供了一些
我们称之为可解释性
所以我们不只是给他们分数
告诉他们为什么
如果我们打招呼，我们想告诉他们原因
模型决定了
对具体客户进行分类嗨
这又是一个实际的屏幕
Salesforce是一个系统
我们的代表正在使用
你可以在右边看到一些
一些特征是绿色的
有
在这种情况下，它只有一个，但红色
红色的表示这些是
特性和价值
这使得模型决定
可能需要
成熟度较低的客户
开发了成熟客户的绿色
的
你的意思是这些就是你要找的人吗
这就把模型推到了
这需要
更高成熟度的客户
举个例子在这个例子中
这个特定客户所拥有的
一个非常高质量的体验
客户体验
以及他训练的次数
与jfog相对较高
他使用了很多技术
相比
给其他顾客
和他相似
以此类推，例如a
坏特性可能是事实
联系人的数量只有两个
所以我们只和两个人谈话
来自这家公司
哪个相对较低
客户的客户
所有这些都集中在一起
给我们分数，但是
它也给包装销售代表
拥有的能力
一个受教育程度更高的
有效的电话
与客户如此对话
不要一开始就
你想升级吗，但我们将拭目以待
我们正在观察你的使用情况
你用的模式我们可以
也告诉你如何你
你的用法和
其他类似客户
基于此，我们认为你
可能需要考虑搬家了
更好的产品进入更多
更多的功能
更高的订阅额，我认为
两者的结合
分类和原因是
实际上给了我们力量
推动我们的客户更好地使用我们的产品
hth华体会最新官方网站
以防你想知道
生产这我们使用
(音乐)
在python中被称为chap的包
哪个是非常强大的
如果你不熟悉，我建议你
让你看一看
就模型的输入而言
你们都知道这是一台机器
学习模式及
在这个特定的例子中，我们使用了cut boost
主要是因为
我们看到它打败了另一个
传统模型，比如
随机森林和xg增强他们是
一点
在性能方面比较弱，但是这个
其实不是猫的唯一原因吗
Boost有很多
优点，其中一些是事实
你不需要处理的事
标记和缺失值
这些事情大部分已经在发生了
采取
在模型里面，这些是一些
实际模型具有的示例特性
100个特征，但有些例子
看看我们所关注的客户
网站访问，所以如果你访问
在我们更高级的文档页面中
而不是我们不太先进的文档
页面
文档页，我们正在看
你参加过的活动网络研讨会
你参加
我们也在分析自由文本，看看是否
你提到了
高可用性，多站点
应用程序
通常与更高层次有关的事情
水平的
Devops旅程消费
我们也会查看你的位置
使用模式
你是重度用户还是不是
重用户
哪些技术使用了多少
你有存储库吗
所有这些都被考虑在内
该模型
我们也使用了一些第三方
他们给了我们另一个公司
数据层之类的
如果你所在的公司
是公开还是不公开
你们公司有多少员工
公司连多少
开发工程师在你的
公司当然从来没有这个数据
完整的
它从来都不完美，但这仍然是
你很容易就能做到的事情
合并到模型中并得到
一个很好的福利
最终如我所说，输出是
客户的devops成熟度
这给了我们能力
将客户推向正确的订阅
基于
行为，我没提过
上一张幻灯片
但是等一下，好吧
但是这些特征列表
你看到的是
实际上是专门为
每一个
不同的客户，如果这是特定的
客户有
这组特征并不意味着
另一个顾客也会有同样的
特性
这是为每个人量身定做的
客户
我们只展示了10个
每个客户最多只能提供20个功能
重要的
这样销售代表就能得到最多
重要的
特性和基于的值
基于shop的第二种模式
(音乐)
这是一个非常不同的模型吗
实际上是一个时间序列模型
就像我一开始说的
目标有点不同
我来描述一下这个图a
一点点，所以你看到的一切
黄线的左边是历史
用法就是这样
一个特定的客户正在使用我们的产品
举个例子
每个周末你都会有这种情绪
然后又是使用，然后
周末，等等
我们的目标基本上就是尝试
预测其余部分的使用情况
月
不是一个月，而是几个月
之前
当我们做的时候当我们做的时候
我们注意到我们也可以利用它
更多的
更多的用法，就像我提到的
我们实际上可以
已经预测了未来的趋势
趋势是上升还是下降
在此基础上我们可以建立一个公司
如果有客户有
非常
负面趋势，医疗保健将
可能是负的
这是我们可以采取行动的
可以联系客户
我们知道为什么事情会恶化
如果有人要去，就打给他
这也是一个可以倾诉的人
看看我们能不能
帮助他更好地使用我们的产品
另一件事，我们正在努力
识别我们的异常
举个例子，比如说红色
红线部分是预测
蓝色是实际数据，如果
我们看到有
一个太大的缺口
实际
这是我们通常识别的预测
它作为异常和异常都可以有
多重含义
举个例子，这个异常可能
意思是
这个特定的客户将要
增加他的使用量
稳定
在一个新的使用水平上越高越好
水平
但也可能有其他情况
可能是
也许顾客做了一些
产品的错误也许他不是
正确使用产品
让他自己
创造一个巨大的使用高峰，而不是
真正利用产品
恰当地，这也是
我们希望能够追踪
并及时通知客户
顺便说一下，就像我说的，现在是时候了
系列
我们尝试了多种方法
我们使用了LSTM
在我们使用的pytorch中实现
facebook的利润
我们用的是整台打印机
更多的经典
方法请随意写在聊天中
你觉得哪个港口最重要
成功地走出这些困境
三盗猎者LSTM facebook获利还是
热的冬天
没人想说他们
就像
没有人知道
我可以告诉你，他们他们不
不想说
我想在facebook上放哪个
好的，facebook的利润
好的，实际上我们从
保留的冬天
因为我认为整个打印机是
最简单的
在这三个中，基本上就是这样
没有太多的参数
调优
facebook的利润是
很复杂，我看出来了
有这么多的选择可以选择
越来越复杂
当你潜入LSTM的时候
我们用的越多，我们测试的越多
发现
实际上是传统的LSTM
实现
做了一些调整
打败了facebook的利润和热门打印机
这就是我们最终选择的LSTM
这是赢家
这是这是输入
LSTM
基本上是三个三个输入，第一个
一个是历史每日使用数据
你看到的是哪张图
每一天
使用量
我们也为每一天那是那是一场
假期
我们还提到了这是节日还是
没有特别
每天，如果是周末
不是周末
这些是唯一的特征
模型
就像我说的输出是
预测
实际上我们有一个非常精确的
预测
用这个LSTM模型
现在我们有一些悬而未决的问题
呃
当我们开始研究这些模型时
第一个问题是
我们要依次使用哪些工具
为了建立模型，我们需要哪些数据
我们是否有所需的所有数据
什么样的验证分和
我们需要测试
创造和我们最终能做什么
随着时间的推移评估和监控我们的模型
所以我们决定使用这些工具
用python和jupyter
主要是因为python是开源的
它是跨平台的，我们使用Java
多个平台
这是一种高级语言，这意味着
代码可读性更强
有时也更容易写
它可以用于多个领域等等
基本上你有一个Python包
一切
不像其他语言，比如r
有时候你需要
用python来充实它
为了得到一些
木星的功能并不是全部
团队的
实际上是利用木星吗
但是可以灵活选择
在我看来木星简化了
数据科学劳动力的过程
因为它让你有能力
宁可在笔记本上讲故事
而不仅仅是写作
代码最终只有一次
一旦笔记本准备好了，你就必须这样做
把它转换成python代码
所以这是需要的
考虑到
关于数据，我们有
多个数据
我们需要的多个数据源
连接到这样一个例子是免费的
文本
我们需要处理邮件，因为
模型是
看邮件，提取信息
具体的
邮件里的话题，所以我们得
创建
连续的数据流从文档开始
电子邮件更新
日常的第二件事是创造
我们称之为时间点快照
是哦
与LSTM模型更相关
我说的第一个cad提升，但是
它背后的想法是创建数据
集
好的，不同时期的数据集
框架和
一旦你有了数据集
不同的时间框架
实际上可以测试你的模型
多个时间框架和多个
构型我会
稍等一下，然后
为了做到这一点，我们使用的工具是
所谓的扩张选举是一种工具
让我们有能力
创建安全查询并记录它们
分享它们
写描述和
让他们在团队中来回移动
是不是比方便多了
而不仅仅是在代码中管理SQL
我们现在正在做的第二件事
这是验证和测试我们如何
确保模型不会失败
或者给出错误的预测
方法就是实现
未来的变化
未来的重要性
是不应该发生的事吗
随着时间的推移而改变，这是不应该的
要给你不同的结果
一个跑到另一个
你可以做的一件事是
如果您看到这些变化，请跟踪它们
在运行中排名第一的特性
第四点非常重要
而特征6是相对的
低
一天之后再运行
或者一个月后
突然之间，趋势发生了变化
第四个是非常低的特征
六号非常高
你可能可以扣除一些东西
错误发生在你的数据和你的
输入数据或者
在你的模型里面，这是
您希望得到通知和提醒
这是一件事第二件事是
输入测试的实现
数据
通常在你们的模块中
分类数据或数值数据
对于你想要的分类数据
确保类别的数量
甚至是分类本身
不是什么正在改变的东西
一次跑到另一次
对于数值数据，你可以跟踪
像哦
分布的均值和
分布的标准差
如果你看到了
这些变化太激进了
跑到另一个
这也是你需要做的
警惕
当然，这需要调整
你的数据，例如，如果你有一个
特性是
你应该了解客户的年龄
预期中位数
会从一个移到另一个
另一个
但在许多其他情况下，平均值应该是
是哦
稳住，如果你看到变化你
应该是选举出来的吗
评估和验证，那么我们如何
比较不同的配置
这同样适用于
lstm
我们主要是为了我们的LSTM
使用
这个工具叫做valohi，还有这个
工具给了我们
运行网格搜索的能力
多个参数
我之前说过的数据快照
的
不同时间段的数据
所以最终你有。比方说四个
五个不同的
不同时间段的数据集
每一个你都可以跑
你的网格搜索与多个
参数和每个配置
就像这样
你所有的测量
准确性、召回率和精密度
这给了你最好的，最好的
的照片
哪种配置最适合您
但是valoi的好处是
是它给了你能力吗
文档的一切
与团队分享，同时
能够
打开执行并查看
完全
那天的笔记本是什么样子啊
你和数据在一起
一切
这是一个很大的优势
我价值
你可以记录的事实
一切一切都是共享的
一切皆有可能
复制是因为你知道有时候
你想要最大化一个特定的度量
对于你的模型
也许有一天你想要
最大化你的记忆力
你有固定的精度值
但是生意上发生了一些变化
突然间你需要调整
你的记忆水平或者
你的精确
你不需要再跑一遍
你可以直接回瓦洛希
看看不同的结果
选择不同的配置
更适合你的
新的业务需求，所以这真的是
强大的东西
我们现在正在扩大使用范围
最后是部署和监控
部署条款
在大多数情况下，我们的模型都在运行
预定的批处理过程
每天定时两次，这样
战略时间意味着
我们在试着计时
模型的培训和运行
在一天开始之前
所以企业将拥有最多
更新数据，但是我们也在
中午因为
我们想在期间给他们更新
这一天本身
每次我们运行这个模型
再培训一次
新的数据，就像我说的，一天两次
它正在接受再培训
在监控方面，用户可以
实际看到
我们始终为用户提供完整的服务
我们预测的历史和趋势
举个例子，如果我回到第一个
猫助推模型
我们在哪里给他们devops之旅
分数
如果是低、高或中等，他们就可以
总是能看到
他们知道的历史
两个月前的例子
这个特定客户的旅程
他在旅途中很兴奋吗
然后他降到了中等
然后他向下移动
过低后一个月，这是
他们可以做的事情
减去，他们可以决定如何
想要解决它，也许
跟客户确认一下为什么
为什么他们看到了使用量的下降
使用量的增加
第二件事是偏离
措施,
你想要最大化，如果你
模型有一个特定的
设定性能特定的精度
召回精度f1
或者任何你想要最大化的东西
然后突然
你的…你的…有很大的变化
你的
范围也是必须的
被监控，必须被监控
你必须创建自动提醒
能够及时采取行动
最后我提到过
用户的反馈
最终哦
用户可以给你反馈
光看是看不出来的
精确地回忆那些更相关的事情
对业务和
我认为这是非常重要的
这是衡量模型的一部分
所以总是关闭反馈循环
需要总结
模特的实时反馈
这是我们一直在做的
把我们的模型放在一起，我认为非常
重要的
最后但同样重要的是
就像ari提到的
请随意访问这个网站，如果你
想要一件t恤
如果你有任何问题
再问一次，请随意
非常感谢
我想我说完了
(音乐)
如果您有任何问题，请随时提问
免费的
今天听众安静
是的，我认为我们需要
(音乐)
也许你可以在聊天里写
如果有人想说话怎么办
有能力做到吗
有人问你能不能把
再次扫描
你能倒回一张幻灯片吗
之前是哪一个
这个和
(音乐)
好吧
谢谢你！
你申请了免费交易是的
jfrog有一个特点
但是你可以，你已经很酷了
想要
结束吧，你还有什么要补充的吗
或者是什么
谢谢你！
你好，谢谢你
你们能听到我说话吗
谢谢你的介绍
它是有帮助的
你有问题吗，你有没有
回答所有问题
是的
除此之外，谢谢你，谢谢你
我想你解释了所有这些问题
是的
(音乐)
是的，有一个问题来自
安东尼
关于我们使用的工具或平台
为
生产能力和历史
好的，这取决于
模型，这取决于历史
模型在哪里
或者部署模型的输出
例如
如果我们在salesforce中提供分数
我们定义了特定的领域和手机
说要保存
然后这些应用程序就可以看到
salesforce本身的历史
有时候模型真的会产生结果
结果显示在仪表板上，这样你就可以
看看仪表盘上的结果就知道了
一切都是
保存在数据数据仓库中
在回购可重复性方面
我们的模型被保存了，笔记本也保存了
保存在价值很高的地方
在一个特定的构型中
这样我们就能精确地
相同的配置
如果我们想改变比如说我们的
我们的目标是专注于回忆
而不是精确，反之亦然
太好了，我只是
我刚刚在valor.com网站上回答了问题
你说什么是笔记本
保存在笔记本里的都保存在里面
在所有
在我们使用的工具中叫做
执行本身被保存了下来
在瓦伦西亚
太好了，我想这就是
问题
好的，谢谢你的时间
每个人的时间
希望大家都能来
在下次会议上
还有，朋友和会议，如果你们
想要另一个不同的活动
受欢迎的话题
我们欢迎您再次与奇人敬酒
参与者
真的超过90%了吗
仍在继续
就像一个小时，很神奇，所以他们
没有掉下来
意思是很好，非常感谢
谢谢大家，谢谢大家
再见，好时光