Monitoramento de Machine Learning em Python

AvançadoNível de habilidade

Atualizado 05/2025

Este curso aborda o que você precisa para criar um sistema básico de monitoramento de aprendizado de máquina em Python.

Descrição do curso

Aprenda a monitorar seus modelos de ML em Python

Monitorar os modelos de machine learning garante o sucesso a longo prazo dos seus projetos de machine learning. O monitoramento pode ser bem complicado, mas tem pacotes Python que ajudam a entender como nossos modelos estão se saindo, quais dados mudaram e podem ter causado uma queda no desempenho, além de dar dicas sobre o que precisamos fazer para colocar nossos modelos de volta no programa. Este curso aborda tudo o que você precisa saber para criar um sistema básico de monitoramento em Python, usando o popular pacote de monitoramento nannyml.

Entenda o fluxo de trabalho ideal para monitoramento

O monitoramento de modelos não é só sobre calcular o desempenho do modelo na produção. Infelizmente, não é tão fácil assim. Principalmente quando é difícil encontrar rótulos. Este curso vai te ensinar sobre o fluxo de trabalho ideal para monitoramento. Isso vai garantir que você sempre perceba falhas no modelo, evite o cansaço de alertas e chegue rapidamente à raiz do problema.

Aprenda a descobrir a causa principal dos problemas de desempenho do modelo

Outra parte importante do monitoramento de modelos é a análise da causa raiz. Este curso vai mostrar como usar técnicas de detecção de desvio de dados para descobrir a causa principal dos problemas de desempenho do modelo. Você vai aprender a usar técnicas de detecção de desvio de dados univariadas e multivariadas para descobrir as possíveis causas dos problemas do modelo.

Pré-requisitos

Monitoring Machine Learning Concepts

Preparação de dados e estimativa de desempenho

Neste capítulo, você vai conhecer a biblioteca NannyML e suas funções fundamentais. Primeiro, você vai aprender o processo de preparar dados brutos para criar conjuntos de referência e de análise prontos para o monitoramento em produção. Como exemplo prático, você vai investigar a previsão do valor da gorjeta em corridas de táxi em Nova York. No fim do capítulo, você também vai descobrir como estimar o desempenho do modelo de previsão de gorjetas usando o NannyML.

Descrição do curso

Aprenda a monitorar seus modelos de ML em Python

Entenda o fluxo de trabalho ideal para monitoramento

Aprenda a descobrir a causa principal dos problemas de desempenho do modelo

Obtenha um certificado de conclusão

Faça como mais de .css-nklxlk{color:var(--wf-brand--main, #03EF62);}19 milhões de alunos e comece Monitoramento de Machine Learning em Python hoje mesmo!

Crie sua conta gratuita

Desenvolva suas habilidades em dados com o app do DataCamp

Faça como mais de 19 milhões de alunos e comece Monitoramento de Machine Learning em Python hoje mesmo!