Como funciona a persistência de modelos de machine learning com pickle
Trecho de 45 s de Inteligência Artificial para Redução de Deslocamentos Improcedentes na Distribuidora de Energia Elétrica, gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ.
Assistir à gravação completaNo Even3 Conteúdos · 51 minSobre este trecho
O palestrante esclarece por que arquivos serializados em Python são essenciais para salvar e reutilizar modelos de machine learning em produção.
Vai de a da gravação.
O que é dito neste trecho
Eh, eh então basicamente é o seguinte, quando você treina, né, um um modelo de aprendizado de máquina eh isso significa você que você apresenta ele para aquele modelo um conjunto de dados, ele vai aprender a identificar padrões aí naqueles dados, eh e depois você vai querer utilizar esse modelo para poder fazer previsões com ele, né? Eh, o que acontece? Para você utilizar esse esse modelo posteriormente, você precisa salvar ele no formato de arquivo. É para isso aí em Python existe uma uma bibliotecazinha, né, que ela permite você serializar o seu modelo. Ela se chama pickle e é e é só por causa disso que a gente tem esses arquivos ali, são basicamente os modelos, né, que a gente guarda ali depois do treinamento, a gente guarda eles em formato de arquivo e vai utilizar eles posteriormente ali para poder fazer a previsão.
Outros trechos deste conteúdo

Diferença entre despachos procedentes e improcedentes
Trecho de a da gravação

Priorização de canais de retorno com redes neurais LSTM
Trecho de a da gravação