本番環境で Machine Learning モデルをモニタリングすることは、データサイエンスの開発サイクルで非常に重要です。ビジネスへのインパクトを最大化するだけでなく、AI の安全性を高め、失敗リスクを下げます。この動画では、モデルが失敗する可能性のある原因を学びました。覚えていますか？
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
第1章では、なぜビジネスで本番環境の Machine Learning モデルをモニタリングする必要があるのかを説明します。理想的なモニタリングのワークフローとその手順、そして本番環境でモニタリングシステムが直面しうる課題について学びます。
現在の演習
第2章では、信頼できるモニタリングシステムにおけるパフォーマンス監視の重要性を学びます。現実の本番環境でよく直面する課題、たとえばグラウンドトゥルースの入手可能性について掘り下げます。章の終わりには、グラウンドトゥルースのデータが遅れて到着する場合や存在しない場合でも、パフォーマンス推定アルゴリズムを使って対処できるようになります。
本番環境における共変量シフトとコンセプトドリフトの基本を押さえたら、もう少し踏み込んでいきましょう。この章の終わりには、現実のシナリオでそれらを検知し、対処するさまざまな方法が分かるようになります。
