In diesem Kurs versteht man unter einer Machine-Learning-Pipeline einen zusammenhängenden Arbeitsablauf in Dataiku, der ohne Programmieraufwand von der Datenaufbereitung über das Modelltraining bis hin zur Modellauswertung führt. Im Mittelpunkt steht dabei, zu lernen, wie diese miteinander verknüpften Schritte als ein wiederholbarer Prozess für eine Vorhersageaufgabe zusammenwirken.

Eine solche Pipeline kommt zum Einsatz, wenn Sie die Datenverarbeitung in einen wiederholbaren Vorhersageprozess umwandeln möchten, anstatt die Datenaufbereitung, das Training und die Auswertung als separate Aufgaben zu behandeln. Sie ist besonders nützlich, wenn Sie einen strukturierten Arbeitsablauf wünschen, den Sie wiederholt anwenden können, anstatt nur ein einmaliges Experiment durchzuführen.

Eine Machine-Learning-Pipeline ist Teil eines umfassenderen Machine-Learning-Workflows – sie kommt zum Einsatz, nachdem die Daten bereits vorliegen und bevor die Modellergebnisse genutzt werden. Sie verbindet die Datenaufbereitung, die Datenteilung, das Training und die Auswertung miteinander, sodass die Entwicklungs- und Testphase zu einem durchgängigen Prozess wird.