Grattis!

Övervakning av maskininlärning i Python

Hakim Elakhrass

Co-founder and CEO of NannyML

Sammanfattning av kapitel 1

• Grunderna i NannyML-biblioteket
• Dataförberedelse för NYC Green Taxi-datamängden
• Uppskatta prestanda med CBPE och DLE

Sammanfattning av kapitel 2

• Mäta prestanda när facit finns tillgängligt
• Filtrera, visualisera och konvertera resultatdataram
• Förstå chunking och tröskelvärden
• Beräkna och uppskatta modellens affärsvärde

Sammanfattning av kapitel 3

• Utföra multivariat driftdetektering
• Testa olika univariata metoder för driftdetektering
• Använda kalkylatorer för datakvalitetskontroller
• Förstå olika metoder för att åtgärda problem

Vad händer härnäst?

• Utforska NannyML:s blogg för handledningar
• Se NannyML:s dokumentation för mer information
• Överväg att ta fler kurser om maskininlärningsmodellers livscykel och MLOps
• Experimentera med egna projekt och använd NannyML

Tack!

Övervakning av maskininlärning i Python