Monitorare i servizi di Machine Learning

Deployment e ciclo di vita in MLOps

Nemanja Radojkovic

Senior Machine Learning Engineer

Mantenere la qualità

• Chi paga si aspetta qualità
• L'assicurazione qualità parte dal controllo qualità
• Monitoraggio

Indicatori di performance

Indicatori fondamentali di salute

• Il servizio è attivo e stabile?
• Quante richieste nel tempo?
• Distribuzione della latenza?

 

Metrica di qualità principale

• Prestazioni predittive

Come peggiorano i modelli di ML?

Esercitiamoci!

Deployment e ciclo di vita in MLOps