Surveillance d'apprentissage automatique
En savoir plus sur la surveillance de l'apprentissage automatique dans le service de science des données.
La surveillance d'apprentissage automatique du service de science des données vous permet ce qui suit :
- Lisez les données du service de stockage d'objets à l'aide des lecteurs de données intégrés.
- Étendre la bibliothèque pour créer un lecteur de données.
- Transformez les données à l'aide de fonctions conditionnelles pour ajouter plus de profondeur aux données.
Si vous ne voulez pas ajouter d'extension de code, utilisez l'offre gérée par le service du conteneur de l'application de surveillance d'apprentissage automatique s'exécutant dans une tâche d'apprentissage automatique. Sinon, étendez le code de la trousse SDK ML Insights Library pour ajouter un lecteur personnalisé, des mesures ou un post-processeur.
Données clés sur l'apprentissage automatique
Utilisez ML Insights pour évaluer rapidement les données afin de décider des cas d'utilisation de ML Monitoring. Vous pouvez configurer un processus de surveillance à long terme pour évaluer en continu les modèles et les données.
Les mesures configurables pour la surveillance sont les suivantes :
- Intégrité des données
- Qualité ou sommaire des données
- Détection de dérive de fonction et de prévision
- Performance du modèle pour les modèles de classification et de régression
- Mesures personnalisées
- Caractéristiques conditionnelles et transformateurs
- Lecteurs de données
- Après traitement
- Tests et suites de tests
Application de surveillance d'apprentissage automatique
L'application de surveillance d'apprentissage automatique est un conteneur géré par le service qui exécute la bibliothèque de données clés sur l'apprentissage automatique dans une tâche d'apprentissage automatique. Fournissez la configuration de surveillance en tant que configuration ponctuelle et exécutez-la plusieurs fois à l'aide de l'exécution de tâche d'apprentissage automatique. Des exécutions peuvent également être programmées.
- Il est intégré à ML Jobs.
- Il utilise un fichier de configuration ML Insights comme entrée.
- Il peut être exécuté en tant que ligne de base (à l'aide de données d'or ou d'entraînement), en tant que prédiction (à l'aide de données déployées ou d'inférence) ou en tant que validation.
- (Facultatif) Il peut fonctionner sur les données pour un intervalle de dates spécifié.
- Il produit des profils contenant des mesures à partir des données.