이제 프로덕션 환경에서 모델이 실제로 운영되고 있어요.
제공된 그래프를 바탕으로, F1 점수의 경고성 하락과 모델의 비즈니스 가치 경고성 하락이 겹쳐서 나타나는 날짜를 찾아보세요.
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
이 단원에서는 NannyML 라이브러리와 핵심 기능을 소개합니다. 먼저, 원시 데이터를 준비해 운영 환경 모니터링에 사용할 기준(reference) 세트와 분석 세트를 만드는 과정을 배웁니다. 실습 예제로는 New York 택시 승차에서 팁 금액을 예측하는 문제를 다룹니다. 단원 마지막에는 NannyML을 사용해 팁 예측 모델의 성능을 추정하는 방법도 알아봅니다.
이 단원에서는 실제 정답 레이블이 제공될 때 사용하는 실현 성능(realized performance) 계산기를 소개합니다. 결과를 다루는 고급 방법인 필터링, 시각화, 데이터 프레임 변환, 청킹(chunking), 사용자 지정 임계값 설정에 대해 배웁니다. 마지막으로, 호텔 예약 데이터셋으로 학습한 모델의 비즈니스 가치를 계산하는 데 이 지식을 적용해 봅니다.
현재 연습
호텔 예약 모델에서 성능 저하를 발견했다면, 이제 그 원인이 되는 근본 문제를 파악하는 방법을 배웁니다. 이 단원에서는 다변량 및 단변량 드리프트 감지 방법을 소개합니다. 또한 데이터 품질 문제를 식별하는 방법과, 발견한 근본 문제를 해결하는 방법도 학습합니다.
