Réentraînement de modèle avec le magasin de métadonnées

Dans la leçon précédente, vous avez vu le rôle crucial que joue le magasin de métadonnées pour favoriser l'automatisation complète des pipelines d'MLOps. Il permet la surveillance automatique du service de prédiction et consigne des mesures d'évaluation qui aident à détecter la dégradation des performances au fil du temps. Vous avez aussi appris le principe du réentraînement déclenché et l'importance de mettre à jour les modèles pour tenir compte de la dérive.

Dans cet exercice, vous mettrez vos connaissances en pratique en ordonnant une série d'étapes qui montrent comment le magasin de métadonnées et le réentraînement déclenché peuvent servir à mettre à jour automatiquement les modèles et à maintenir des performances optimales.