Riaddestramento del modello con il metadata store

Nella lezione precedente, hai visto il ruolo fondamentale che il metadata store svolge nel favorire la piena automazione delle pipeline MLOps. Consente il monitoraggio automatico della funzionalità del servizio di predizione e registra le metriche di valutazione utili a individuare il decadimento delle prestazioni nel tempo. Hai anche imparato cos'è il riaddestramento attivato da trigger e perché è importante aggiornare i modelli per tenere conto del drift.

In questo esercizio, metterai in pratica quanto appreso ordinando una serie di passaggi che mostrano come il metadata store e il riaddestramento attivato da trigger possano essere usati per aggiornare automaticamente i modelli e mantenere prestazioni ottimali.