Documentation Oracle Cloud Infrastructure

Surveillance de l'apprentissage automatique

En savoir plus sur la surveillance du machine learning dans Data Science.

Data Science ML Monitoring vous permet :
  • Lire des données à partir d'Object Storage à l'aide des lecteurs de données intégrés.
  • Étendez la bibliothèque pour créer un lecteur de données.
  • Transformez les données à l'aide de fonctions conditionnelles pour approfondir les données.
ML Monitoring prend en charge le traitement distribué et les types de données CSV, JSON et JSON-L. Il est indépendant des moteurs de calcul, il prend en charge les pandas, les dask et les spark.

Si vous ne voulez pas ajouter d'extension de code, utilisez l'offre gérée par le service du conteneur d'application de surveillance ML exécuté dans un travail ML. Sinon, étendez le code du kit SDK de bibliothèque ML Insights pour ajouter un lecteur personnalisé, des mesures ou un post-processeur.

Informations 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 longue durée d'exécution pour évaluer en permanence les modèles et les données.

Les mesures configurables pour la surveillance sont les suivantes :
  • Intégrité des données
  • Qualité ou synthèse des données
  • Détection de dérive de fonctionnalités et de prédictions
  • Performances du modèle pour les modèles de classification et de régression
Les analyses ML peuvent être étendues avec :
  • Mesures personnalisées
  • Fonctionnalités et transformateurs conditionnels
  • Lecteurs de données
  • Post-traitement
  • Tests et suites de tests
Pour plus d'informations, reportez-vous à la documentation du kit SDK ML Insights. Des exemples de fichiers sont disponibles à partir du référentiel Data Science sur GitHub.

Application de surveillance d'apprentissage automatique

L'application de surveillance ML est un conteneur géré par le service qui exécute la bibliothèque d'analyses ML dans un travail ML. Fournissez la configuration de surveillance en tant que configuration unique et exécutez-la plusieurs fois à l'aide de l'exécution de travail d'apprentissage automatique. Les exécutions peuvent également être planifiées.
  • 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 Golden ou Training), en tant que prévision (à l'aide de données déployées ou d'inférence) ou en tant que validation.
  • (Facultatif) Il peut fonctionner sur des données pour une plage de dates spécifiée.
  • Il génère des profils contenant des mesures à partir des données.
Pour plus d'informations, reportez-vous à la documentation relative aux applications de surveillance ML.