Вітаємо

Моніторинг Machine Learning у Python

Hakim Elakhrass

Co-founder and CEO of NannyML

Підсумок розділу 1

  • Основи бібліотеки NannyML
  • Підготовка даних для набору NYC Green Taxi
  • Оцінювання продуктивності за допомогою CBPE і DLE
Моніторинг Machine Learning у Python

Підсумок розділу 2

  • Вимірювання продуктивності, коли доступна істина-еталон
  • Фільтрування, побудова графіків і перетворення формату датафрейму результатів
  • Розуміння чанкування та порогів
  • Розрахунок і оцінка бізнес-цінності моделі

Зображення показує процес моніторингу з підсвіченим моніторингом продуктивності.

Моніторинг Machine Learning у Python

Підсумок розділу 3

  • Багатовимірне виявлення дрейфу
  • Тестування різних методів одновимірного дрейфу
  • Використання калькуляторів перевірки якості даних
  • Огляд способів усунення проблем

Зображення показує процес моніторингу з підсвіченим автоматизованим аналізом першопричин і усуненням проблем.

Моніторинг Machine Learning у Python

Що далі?

  • Перегляньте блог NannyML з покроковими матеріалами
  • Звертайтесь до документації NannyML за докладною інформацією
  • Розгляньте додаткові курси про життєвий цикл моделей ML і MLOps
  • Експериментуйте з практичними проєктами та інтегруйте NannyML
Моніторинг Machine Learning у Python

Дякуємо!

Моніторинг Machine Learning у Python

Preparing Video For Download...