2. Expérimentation

L'expérimentation couvre l'enregistrement, le suivi et les métriques des expériences. Cela se traduit par l'intégration des métadonnées d'expérimentation sur l'ensemble de la plateforme, dans le contrôle de source et dans les environnements de développement. L'expérimentation inclut également la capacité d'optimiser les performances et la précision des modèles par le biais du débogage.

2.1 Environnements de développement intégrés	Un environnement de développement intégré (IDE) est directement intégré au cloud. L'IDE peut interagir avec le système dans son ensemble et lui envoyer des commandes. Idéalement, il prend en charge les éléments suivants : Développement local Intégration du contrôle de version Débogage en place, tous les journaux et artefacts générés étant intégrés au contrôle de version
2.2 Contrôle de version du code	Pour garantir la reproductibilité et la réutilisation, tout le code est enregistré dans le référentiel source avec un contrôle de version approprié. Cela inclut le code d'infrastructure, le code d'application, le code de modèle et même les ordinateurs portables (si vous choisissez de les utiliser).
2.3 Suivi	Un projet de machine learning nécessite un outil capable de suivre et d'analyser les expériences d'apprentissage automatique. Cet outil doit enregistrer toutes les métriques, tous les paramètres et tous les artefacts lors d'une expérience d'apprentissage automatique, en enregistrant toutes les métadonnées dans un emplacement central. L'emplacement central permettra d'analyser, de visualiser et d'auditer toutes les expériences que vous effectuez.
2.4 Intégration multiplateforme	Les résultats historiques des expériences et toutes leurs métadonnées sont accessibles dans d'autres parties du système. Par exemple, les pipelines d'orchestration en place peuvent accéder à ces données, tout comme les outils de surveillance.
2.5 Débogage : précision et performances du système	Un cadre complet de débogage des modèles est en place pour examiner les exécutions suivantes : Trouvez les goulots d'étranglement Alerte en cas d'anomalies Optimisation de l'utilisation des ressources Aide à l'analyse des expériences Lorsque la formation est intensive, la capacité à maximiser le débit est cruciale et en fait un outil indispensable pour optimiser les coûts.