Monitorování ML služeb

MLOps: nasazení a životní cyklus modelů

Nemanja Radojkovic

Senior Machine Learning Engineer

Udržování kvality

  • Platící zákazníci == očekávání kvality
  • Zajištění kvality začíná kontrolou kvality
  • Monitorování
MLOps: nasazení a životní cyklus modelů

Ukazatele výkonu

Základní ukazatele zdraví

  • Služba běží?
  • Počet požadavků za čas?
  • Distribuce latence?

 

Klíčová metrika kvality

  • Prediktivní výkon

Jak ML modely degradují?

MLOps: nasazení a životní cyklus modelů

jednoduchý klasifikátor

MLOps: nasazení a životní cyklus modelů

naučená hranice

MLOps: nasazení a životní cyklus modelů

natrénovaný model

MLOps: nasazení a životní cyklus modelů

svět se mění

MLOps: nasazení a životní cyklus modelů

změna 2

MLOps: nasazení a životní cyklus modelů

posunutá hranice

MLOps: nasazení a životní cyklus modelů

concept drift

MLOps: nasazení a životní cyklus modelů

bez změny dochází k degradaci

MLOps: nasazení a životní cyklus modelů

jak detekovat

MLOps: nasazení a životní cyklus modelů

MLOps: nasazení a životní cyklus modelů

háček

MLOps: nasazení a životní cyklus modelů

podle případu užití

MLOps: nasazení a životní cyklus modelů

nikdy zdarma

MLOps: nasazení a životní cyklus modelů

využijte co máte

MLOps: nasazení a životní cyklus modelů

změny vstupních příznaků

MLOps: nasazení a životní cyklus modelů

covariate shift

MLOps: nasazení a životní cyklus modelů

omezení monitorování vstupu

MLOps: nasazení a životní cyklus modelů

monitorování výstupu

MLOps: nasazení a životní cyklus modelů

Pojďme si procvičit!

MLOps: nasazení a životní cyklus modelů

Preparing Video For Download...