![کیانوش مختاریان، راهبر فنی سابق گوگل؛ تشریح پیچیدگیهای یادگیری ماشین در محیط عملیاتی](https://aixperience.io/wp-content/uploads/2023/06/G2A7036-1.jpg)
دومین همایش هوش مصنوعی کارگزاری مفید در مرکز همایشهای کتابخانه ملی برگزار شد. کیانوش مختاریان، راهبر فنی سابق گوگل، در نخستین ارایه این همایش درباره تبلیغات نمایشی و مدلهایی که برای راهبرد آنها طراحی میشود، سخن گفت. سخنرانی او درباره مدلهای یادگیری ماشین در محیط عملیاتی بود. مختاریان در ابتدا درباره مدلی صحبت کرد که احتمال کلیک در نمایش تبلیغات را بررسی میکند.
صدها مدل در زندگی یک تبلیغ ممکن است وجود داشته باشد. او تاکید کرد که صورت مسئله در این مدلها استقرار در محیط عملیاتی است. ممکن است مدل طراحیشده یک جا درست کار نکند، درحالیکه برای ماه ها به درستی کار کرده است.
مختاریان با تشریح راهکاری برای پیدا کردن باگ مدل، درباره مدل «قناری» توضیحاتی داد و گفت: سوییچ صبر و مقایسه یکی از روشهایی است که میتواند به ما در پیدا کردن مشکل کمک کند. مختاریان همچنین بررسی شاخصهای سلامت سرور را یکی دیگر از مسیرهای عیبیابی دانست.
بهگفته او، برای فراهمکردن شرایط آزمودن تبلیغات نمایشی، میتوان مدلهای گوناگونی داشت؛ یک مدل روی معماری برش میزند و یک مدل روی ترافیک برش میزند. مختاریان همچنین درباره جزییات فرآیند طراحی و تست مدلهای تبلیغات نمایشی توضیح داد: اگر همه تستها پاس شدند، استقرار خودکار انجام میشود، اما اگر تستها پاس نشدند، از انتشار مدل با دخالت انسانی جلوگیری میشود. فراموش نکنید که تازهبودن مدل برای پوشش کمپینهای جدید در تبلیغات بسیار موثر است.
راهبر فنی سابق گوگول ادامه داد: در فرآیند طراحی مدل، باید پس از استقرار پایش پیوسته انجام شود. ما مدل را بهصورت آفلاین تست کردهایم، اما دادهها و خروجی به شکل مداوم نیاز به پایش و اصلاح دارد.