監視とアラート

MLOpsのデプロイとライフサイクル

Nemanja Radojkovic

Senior Machine Learning Engineer

統計的検証

可能性:

• 過敏すぎる
• 情報不足

 

【リスク】

• アラート過多
• アラート疲れ
• 重要なアラートの見落とし

履歴から学ぶ

インシデント対応後 => 根本原因と対処手順を記録

Googleの例[1]:

• 10年分のインシデントを記録・分析
• 3分の2超はML非起因

¹ How ML Breaks: A Decade of Outages for One Large ML Pipeline, https://www.usenix.org/conference/opml20/presentation/papasian

Let's practice!

MLOpsのデプロイとライフサイクル