Experimentopsporing
term_id: experiment_tracking
Category: engineering_practice
Definition
Deze praktijk houdt in dat hyperparameters, datasetversies, modelarchitecturen en prestatie-metrieken worden gelogd tijdens trainingsruns. Het stelt datawetenschappers in staat om verschillende experimentele configuraties met elkaar te vergelijken.
Summary
Experimentopsporing is het systematische proces van het vastleggen van metadata, metrieken en artefacten van machine learning-experimenten om reproduceerbaarheid te waarborgen en vergelijkingen mogelijk te maken.
Key Concepts
- Reproduceerbaarheid
- Logboek van hyperparameters
- Beheer van artefacten
- Versiebeheer
Use Cases
- Vergelijken van modelprestaties onder verschillende hyperparameterinstellingen
- Foutopsporing bij trainingsfouten door geconfigureerde metrieken te bekijken
- Samenwerken met teamleden aan gedeelde experimenten