Automatisierung

Datenerfassung

Der Webserver wird in der Google Cloud Run eingerichtet und so geplant, dass er wiederholt stündlich relevante Daten von Iron Hand abruft. Er wird die Apy-Daten in einem lesbaren Format hochladen.

Dateneingabe und Vorverarbeitung

Um den Prozess der Modellschulung zu starten, wird die lesbare Datei in GCS geladen und vorverarbeitet, um qualitativ hochwertige Daten für die Schulung vorzubereiten. In der Vorverarbeitungsphase werden die Daten gesäubert, neue Merkmale generiert, um die Vorhersagekraft des Modells zu verbessern, die Daten normalisiert, die Daten in Trainings-, Validierungs- und Testsätze aufgeteilt usw.

Abstimmung der Hyperparameter

Abstimmung von Hyperparametern wie Anzahl der Neuronen, Aktivierungsfunktion, Lernrate, Stapelgröße, Verlustfunktion, Epochen usw., um die Leistung des Modells zu steigern.

Modell-Training

In dieser Phase wird das LSTM-Modell definiert, trainiert, es werden Vorhersagen gemacht und das Modell bewertet.

Bewertung des Modells Verwenden

Sie den Testsatz, um die Leistung des Modells zu bewerten, und vergewissern Sie sich, dass die Leistung des Modells einen bestimmten Schwellenwert übersteigt, und speichern Sie es im GCS.

Einsatz des Modells Setzen

Sie das gespeicherte Modell für die Bereitstellung von Vorhersagedaten ein.

Kontinuierliche Überwachung

Überwachen Sie den Zustand und die Leistung des bereitgestellten Modells und richten Sie Warnungen für Anomalien oder Abweichungen in der Modellleistung ein.

Rückmeldung & Umschulung

Wenn in der Überwachungsphase eine Abweichung oder eine verringerte Leistung festgestellt wird, trainieren Sie das Modell neu.