ML-services monitoren

MLOps-deployments en levenscyclus

Nemanja Radojkovic

Senior Machine Learning Engineer

Kwaliteit behouden

  • Betalende klanten == kwaliteitsverwachting
  • Kwaliteitszorg begint bij kwaliteitscontrole
  • Monitoring
MLOps-deployments en levenscyclus

Prestatie-indicatoren

Fundamentele gezondheidsindicatoren

  • Draait de service?
  • Aantal requests in de tijd?
  • Latentieverdeling?

 

Ultieme kwaliteitsmetriek

  • Predictieve performance

Hoe verslechteren ML-modellen?

MLOps-deployments en levenscyclus

simpele classifier

MLOps-deployments en levenscyclus

geleerde grens

MLOps-deployments en levenscyclus

getraind model

MLOps-deployments en levenscyclus

wereld verandert

MLOps-deployments en levenscyclus

verandering 2

MLOps-deployments en levenscyclus

grens verschoven

MLOps-deployments en levenscyclus

conceptdrift

MLOps-deployments en levenscyclus

niet veranderen verslechtert

MLOps-deployments en levenscyclus

hoe detecteren

MLOps-deployments en levenscyclus

MLOps-deployments en levenscyclus

het addertje

MLOps-deployments en levenscyclus

per usecase

MLOps-deployments en levenscyclus

nooit gratis

MLOps-deployments en levenscyclus

gebruik wat je hebt

MLOps-deployments en levenscyclus

veranderingen in inputfeatures

MLOps-deployments en levenscyclus

covariate shift

MLOps-deployments en levenscyclus

beperkingen van inputmonitoring

MLOps-deployments en levenscyclus

outputmonitoring

MLOps-deployments en levenscyclus

Laten we oefenen!

MLOps-deployments en levenscyclus

Preparing Video For Download...