Ist das eingesetzte KI-System erfolgreich?

Künstliche Intelligenz verstehen

Maarten Van den Broeck

Senior Content Developer at DataCamp

Wann wird der Erfolg gemessen?

MLOps-Methodenlebenszyklus

Wann wird der Erfolg gemessen?

Erfolg über den gesamten MLOps-Lebenszyklus messen

Leistung offline messen - Genauigkeit

Trainings- und Validierungsdaten

Leistung offline messen - Genauigkeit

Ein Modell trainieren

Leistung offline messen - Genauigkeit

Validierung eines Modells mit Testbeispielen

Leistung offline messen - Genauigkeit

Vergleich von Vorhersagen mit tatsächlichen Labels

Leistung offline messen - Genauigkeit

Berechnung der Genauigkeit

Fehler und andere Messgrößen

Fehlermetrik in Regressionsmodellen

{{2}}Metriken für Such- und Empfehlungsmaschinen: Ranking-Qualität - Relevanz der Ranking-Elemente für den Nutzer -, Vielfalt in den Suchergebnissen oder Empfehlungen usw.

Rangliste empfohlener Produkte

Erfolg in der Produktion messen

{{2}}Modellverschlechterung: Der gemessene Metrikwert verschlechtert sich im Laufe der Zeit

Modellverschlechterung

Geschäftskennzahlen: Key Performance Indicators (KPIs)

Risiken: Was kann schon schiefgehen?

Zu den möglichen Risiken gehören:

{{1}}Datenverzerrung Mangel an Transparenz

{{6}}Proof-of-Concept (PoC): Pilot-Demonstrator zur Validierung von Machbarkeit, Wert und {{6}}Risikoerkennung

Probier es aus!

Künstliche Intelligenz verstehen