Félicitations

Surveiller le Machine Learning en Python

Hakim Elakhrass

Co-founder and CEO of NannyML

Bilan du chapitre 1

  • Bases de la bibliothèque NannyML
  • Préparation des données pour le jeu de données NYC Green Taxi
  • Estimer la performance avec CBPE et DLE
Surveiller le Machine Learning en Python

Bilan du chapitre 2

  • Mesurer la performance quand la vérité terrain est disponible
  • Apprendre à filtrer, tracer et convertir le format du dataframe de résultats
  • Comprendre le « chunking » et les seuils
  • Calculer et estimer la valeur métier du modèle

L'image montre un flux de surveillance avec la surveillance des performances mise en évidence.

Surveiller le Machine Learning en Python

Bilan du chapitre 3

  • Détecter un drift multivarié
  • Tester différentes méthodes de détection univariée de drift
  • Utiliser les calculateurs de contrôle de qualité des données
  • Comprendre diverses méthodes de résolution des problèmes

L'image montre un flux de surveillance avec l'analyse automatisée des causes et la résolution des problèmes mises en évidence.

Surveiller le Machine Learning en Python

Et ensuite ?

  • Parcourir le blog de NannyML pour des tutoriels
  • Consulter la documentation de NannyML pour en savoir plus
  • Envisager d'autres cours sur le cycle de vie des modèles de Machine Learning et le MLOps
  • Expérimenter des projets pratiques et intégrer NannyML
Surveiller le Machine Learning en Python

Merci !

Surveiller le Machine Learning en Python

Preparing Video For Download...