Gratulujeme

Monitoring Machine Learning in Python

Hakim Elakhrass

Co-founder and CEO of NannyML

Rekapitulace kapitoly 1

  • Základy knihovny NannyML
  • Příprava dat pro datovou sadu NYC Green Taxi
  • Odhadování výkonu pomocí CBPE a DLE
Monitoring Machine Learning in Python

Rekapitulace kapitoly 2

  • Měření výkonu při dostupnosti skutečných hodnot
  • Filtrování, vizualizace a převod formátu výsledků
  • Chunking a prahové hodnoty
  • Výpočet a odhadování obchodní hodnoty modelu

Obrázek zobrazuje monitorovací workflow se zvýrazněným sledováním výkonu.

Monitoring Machine Learning in Python

Rekapitulace kapitoly 3

  • Multivariátní detekce driftu
  • Testování různých metod univariátní detekce driftu
  • Kontroly kvality dat
  • Metody řešení zjištěných problémů

Obrázek zobrazuje monitorovací workflow se zvýrazněnou automatickou analýzou příčin a řešením problémů.

Monitoring Machine Learning in Python

Co dál?

  • Prozkoumejte blog NannyML pro výukové materiály
  • Prostudujte dokumentaci NannyML
  • Zvažte další kurzy o životním cyklu ML modelů a MLOps
  • Experimentujte s praktickými projekty a využijte NannyML
Monitoring Machine Learning in Python

Děkujeme!

Monitoring Machine Learning in Python

Preparing Video For Download...