最佳做法是在模型部署後立刻開始監控。機器學習模型的效能可以從統計面與運算面來監控。採用不同面向的監控很重要,因為模型在正式環境中看起來正常,實際上的預測卻可能是錯的。
在這個練習中,你要判斷各個指標分別屬於哪一種效能監控。
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
你將先學習 MLOps 的核心特性。接著探索機器學習生命週期、其各個階段,以及與 MLOps 流程相關的角色分工。
接下來,你將學到機器學習生命週期中的設計與開發階段。你會探索價值增益評估、資料品質、特徵儲存,以及實驗追蹤。
本章將帶你深入了解把機器學習部署到生產環境的相關概念,例如執行階段環境、容器化、CI/CD 流程,以及部署策略。
最後,你將學到如何在生產環境維護機器學習,包含統計與運算監控、再訓練、不同的 MLOps 成熟度層級,以及可用於機器學習生命週期中以簡化流程的工具。
當前練習