Résolution des incidents

Surveiller le Machine Learning en Python

Hakim Elakhrass

Co-founder and CEO of NannyML

Ne rien faire

  • Fonctionne bien avec un dispositif de monitoring opérationnel
  • Nécessite une analyse du coût d'opportunité et une bonne compréhension du cas d'usage
  • Exemple : surestimer le volume d'appels d'un centre d'appels
Surveiller le Machine Learning en Python

Réentraîner le modèle

  • Entraîner sur des données anciennes et récentes
    • Rend le modèle plus robuste
    • Faire apprendre au modèle le plus grand nombre de distributions possible
  • Affiner l'ancien modèle avec les nouvelles données
    • Recalibrer simplement le modèle avec les nouvelles données
    • Plus efficace que réentraîner un nouveau modèle à chaque fois
  • Pondérer les données
    • Donner plus d'importance aux données récentes
Surveiller le Machine Learning en Python

Revenir à un modèle précédent

L'image montre le remplacement du modèle en production par le modèle précédent depuis le registre de modèles.

Surveiller le Machine Learning en Python

Modifier le processus métier

  • Modifier les règles métier
  • Lancer une analyse manuelle des prédictions

L'image montre des rayons de supermarché.

Surveiller le Machine Learning en Python

Passons à la pratique !

Surveiller le Machine Learning en Python

Preparing Video For Download...