Le paradigme ML en temps réel Si-fine

L'annuel hackathon CodeMosaic d'Etsy a mis en avant un projet ambitieux pour développer un système d'apprentissage automatique étatique et d'apprentissage en ligne. L'équipe visait à mettre à jour les poids du modèle de manière incrémentale, ce qui permettrait de réduire les coûts et d'améliorer les métriques. Le premier jour, ils ont planifié leur approche, se divisant en sous-équipes centrées sur les données d'entraînement en temps réel, un service d'apprentissage et l'évaluation. Le deuxième jour, les équipes ont mis en œuvre leurs plans, rencontrant des défis tels que la mise en forme des données et la sélection du modèle. L'équipe d'évaluation a proposé une compétition pour comparer les performances d'un modèle entraîné en continu avec celles d'un modèle entraîné par lots. Le troisième jour a apporté des présentations et des discussions sur l'impact potentiel, y compris une économie estimée de 212 000 $ par an pour les modèles de publicités seuls. L'équipe a reconnu les obstacles à la production du système, y compris l'infrastructure et l'assurance qualité, mais a exprimé son optimisme quant à l'avenir des architectures ML complexes.