Övervaka maskininlärningsmodeller

MLOps-koncept

Folkert Stijnman

ML Engineer

Övervakning & omträning

Faser för övervakning och omträning

MLOps-koncept

Övervakning

Maskininlärning i produktion

MLOps-koncept

Typer av övervakning

Maskininlärning i produktion – statistisk

Statistisk övervakning: fokuserar på indata och utdata, inklusive prediktioner

Exempel: kund X har 72 % sannolikhet att churna, kund Y har 31 % sannolikhet att inte churna

MLOps-koncept

Typer av övervakning

Maskininlärning i produktion – beräkningsmässig

Beräkningsmässig övervakning: fokuserar på tekniska mätvärden

Exempel: serverns CPU-användning, antal inkommande förfrågningar, antal prediktioner, serverns driftstopp

MLOps-koncept

Statistisk och beräkningsmässig övervakning

Köksapparater

Diskade köksredskap

MLOps-koncept

Återkopplingsloop

Statistisk övervakning – återkoppling

Återkopplingsloop: den process där den faktiska sanningen används för att förbättra maskininlärningsmodellen

MLOps-koncept

Övervakning i produktion

Maskininlärning i produktion

MLOps-koncept

Nu kör vi en övning!

MLOps-koncept

Preparing Video For Download...