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 faciliter l’automatisation complète des pipelines MLOps. Il permet la surveillance automatique du service de prédiction et consigne des métriques d’évaluation qui aident à détecter la dégradation des performances dans le temps. Vous avez également 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 allez appliquer vos connaissances en ordonnant une série d’étapes qui montrent comment le magasin de métadonnées et le réentraînement déclenché peuvent être utilisés pour mettre à jour les modèles automatiquement et maintenir des performances optimales.