ให้มนุษย์มีส่วนร่วมในกระบวนการ
เพิ่มขั้นตอนอนุมัติสำหรับโมเดลที่มีความเสี่ยงสูง
ให้มนุษย์มีส่วนร่วมในกระบวนการ เป็นบทเรียน MLOps Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน MLOps Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส MLOps Academy มีบทเรียนทั้งหมด 4 บทเรียน
ระบบอัตโนมัติมีข้อจำกัด
การเลื่อนขั้นโดยอัตโนมัติทั้งหมดเป็นสิ่งที่ดี จนกว่าโมเดลจะส่งผลต่อเงิน ความปลอดภัย หรือผู้คน สำหรับงานที่มีความเสี่ยงสูง ควรให้มนุษย์ร่วมตรวจสอบก่อนปล่อยใช้งาน
มนุษย์ร่วมตรวจสอบในกระบวนการ
มนุษย์ร่วมตรวจสอบในกระบวนการหมายถึงมีบุคคลตรวจทานและอนุมัติขั้นตอนสำคัญ กระบวนการทำงานจะหยุดพักและรอคำตอบตกลงอย่างตั้งใจ
เหตุผลที่ต้องหยุดรอการอนุมัติ
ตัวชี้วัดขาดบริบท เช่น ความเป็นธรรม ความเสี่ยงทางกฎหมาย หรือกรณีขอบเขตที่ผิดปกติ ผู้ตรวจสอบจะเพิ่ม วิจารณญาณ ที่การตรวจสอบค่าขีดจำกัดเพียงอย่างเดียวไม่มีทางทำได้
ด่านอนุมัติ
คุณแทรกขั้นตอน อนุมัติ ด้วยตนเองหลังการประเมินและก่อนการนำขึ้นใช้งานจริง จะไม่มีสิ่งใดไปถึงระบบจริงจนกว่าจะมีผู้ลงนามอนุมัติ
หยุด DAG เพื่อรอ
ใน Airflow คุณสามารถหยุดการทำงานไว้จนกว่ามนุษย์จะดำเนินการได้ เซนเซอร์ นี้จะรอสัญญาณอนุมัติจากภายนอกก่อนทำงานต่อ
wait = ExternalTaskSensor(
task_id="await_approval",
external_task_id="human_signed_off")มอบหลักฐานให้ผู้ตรวจสอบ
แสดงตัวชี้วัด รายงานการเปลี่ยนแปลง และตัวอย่างผลการทำนายให้ผู้ตรวจสอบเห็น บริบทที่ดีจะเปลี่ยนการอนุมัติจากการคาดเดาให้เป็นการตัดสินใจจริง
ทำให้การปฏิเสธทำได้ง่าย
ผู้ตรวจสอบต้องสามารถปฏิเสธและย้อนกลับกระบวนการทำงานได้อย่างเรียบร้อย การปฏิเสธควรเป็นผลลัพธ์สำคัญที่เกิดขึ้นได้ง่ายและมีขั้นตอนไม่ยุ่งยาก
กำหนดเวลารอการอนุมัติ
อย่าปล่อยให้การทำงานค้างรอมนุษย์ตลอดไป การหมดเวลาจะทำให้การทำงานล้มเหลวอย่างปลอดภัย เพื่อไม่ให้สิ่งใดหยุดค้างโดยไม่มีใครรู้
แจ้งบุคคลที่เหมาะสม
ส่งข้อความแจ้งเตือนผ่าน Slack หรืออีเมลเมื่อจำเป็นต้องอนุมัติ การแจ้งเตือนที่รวดเร็วจะป้องกันไม่ให้กระบวนการทำงานรอคนที่ไม่เคยเห็นข้อความ
แบ่งระดับตามความเสี่ยง
สงวนการตรวจสอบด้วยมนุษย์ไว้สำหรับแบบจำลองที่มีความเสี่ยงสูง ส่วนแบบจำลองที่ผลกระทบต่ำให้เลื่อนระดับโดยอัตโนมัติ การจับคู่ การกำกับดูแลกับความเสี่ยงช่วยให้ปลอดภัยและรวดเร็ว
บันทึกว่าใครเป็นผู้อนุมัติ
บันทึกชื่อผู้อนุมัติ เวลา และหมายเหตุของผู้อนุมัติทุกครั้งที่เลื่อนระดับ การติดตามเพื่อแสดง ความรับผิดชอบนี้จำเป็นต่อการตรวจสอบและการปฏิบัติตามข้อกำหนด
ตรวจสอบสั้น ๆ
โดยปกติแล้วขั้นตอนอนุมัติที่มีมนุษย์อยู่ในกระบวนการจะอยู่ตรงตำแหน่งใด
สรุปทบทวน
คุณเพิ่มการกำกับดูแลแล้ว ได้แก่ ด่านอนุมัติหลังการประเมิน บริบทที่ครบถ้วนสำหรับผู้ตรวจสอบ การกำหนดเวลาหมดอายุ การแจ้งเตือน และการบันทึกการลงนามอนุมัติ ทำสิ่งที่ปลอดภัยให้เป็นอัตโนมัติ และตรวจสอบสิ่งที่มีความเสี่ยง ✅
เรียนรู้ Python ด้วย AI tutor — ฟรี
เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป
- คอร์ส
- 30
- บทเรียน
- 120
คำถามที่พบบ่อย
บทเรียน “ให้มนุษย์มีส่วนร่วมในกระบวนการ” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “ให้มนุษย์มีส่วนร่วมในกระบวนการ” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส MLOps Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส MLOps Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “ให้มนุษย์มีส่วนร่วมในกระบวนการ”
เพิ่มขั้นตอนอนุมัติสำหรับโมเดลที่มีความเสี่ยงสูง คุณปฏิบัติ MLOps Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน MLOps Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน MLOps Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน
บทเรียน “ให้มนุษย์มีส่วนร่วมในกระบวนการ” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน MLOps Academy นี้ได้ไหม
ได้ บทเรียน MLOps Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- การฝึกใหม่ตามกำหนดเวลากับตามตัวกระตุ้น
- จัดการการฝึกใหม่ด้วย Airflow
- เลื่อนขึ้นอัตโนมัติเมื่อชนะค่าอ้างอิงเท่านั้น
- ให้มนุษย์มีส่วนร่วมในกระบวนการ