Nguồn tham khảo: Paleyes, A., Urma, R.-G., & Lawrence, N. D. (2022). Challenges in Deploying Machine Learning: A Survey of Case Studies. ACM Computing Surveys, 55(6), 1–29. https://doi.org/10.1145/3533378
Truy cập toàn văn: https://doi.org/10.1145/3533378
Tóm tắt nội dung
Andrei Paleyes, Raoul-Gabriel Urma và Neil D. Lawrence (ACM Computing Surveys, 2022) xuất phát từ nhận xét rằng học máy đã chuyển từ lĩnh vực nghiên cứu học thuật sang công cụ giải quyết bài toán thực tế của doanh nghiệp, nhưng việc đưa mô hình vào hệ thống vận hành (production) lại phát sinh nhiều vấn đề. Câu hỏi đặt ra là những khó khăn nào xuất hiện khi triển khai học máy và chúng nằm ở bước nào của quy trình. Nhóm tác giả rà soát các báo cáo đã công bố về việc triển khai học máy trong nhiều ngành và ứng dụng, rồi rút ra các lưu ý thực tiễn gắn với từng giai đoạn, từ quản lý dữ liệu, học mô hình, kiểm chứng mô hình đến đưa mô hình vào sử dụng.
Khi đối chiếu, bài viết cho thấy người làm thực tế gặp trở ngại ở mọi giai đoạn, không riêng khâu huấn luyện. Bài viết kết thúc bằng một chương trình nghiên cứu nhằm tháo gỡ các khó khăn này. Phần tóm tắt của bài không nêu số lượng báo cáo được rà soát. Với trường đại học muốn đưa mô hình dự báo sinh viên bỏ học vào hệ thống quản lý đào tạo, bài tổng quan giúp lập danh mục rủi ro theo từng bước triển khai, để chuẩn bị nguồn lực cho dữ liệu, kiểm chứng và theo dõi sau vận hành chứ không chỉ lo chọn thuật toán.
Luận điểm liên quan trong bài viết chính
Trong bài viết chính, tài liệu này được dẫn để làm rõ nhận định sau: Tổng quan các báo cáo triển khai thực tế của Paleyes, Urma và Lawrence (2022) cho thấy người làm gặp vấn đề ở mọi bước của quy trình triển khai.
Xem bài viết chính: Ứng dụng học máy phát hiện sinh viên có nguy cơ bỏ học: từ bài toán lớp thiểu số đến quyết định can thiệp