Modell‑Retraining mit dem Metadata Store

In der vorherigen Lektion hast du die zentrale Rolle des Metadata Stores kennengelernt, der die Vollautomatisierung von MLOps‑Pipelines ermöglicht. Er erlaubt die automatische Überwachung der Funktionalität des Prediction Service und protokolliert Evaluationsmetriken, die helfen, Leistungsabfälle im Zeitverlauf zu erkennen. Außerdem hast du etwas über ausgelöstes Retraining und die Bedeutung der Modellaktualisierung zur Berücksichtigung von Drift gelernt.

In dieser Übung wendest du dein Wissen an, indem du eine Reihe von Schritten in die richtige Reihenfolge bringst. So zeigst du, wie der Metadata Store und getriggertes Retraining genutzt werden können, um Modelle automatisch zu aktualisieren und eine optimale Performance zu halten.