Python 中的机器学习监控

学习如何在 Python 中监控你的 ML 模型

监控机器学习模型可确保您的机器学习项目长期成功。 监控可能非常复杂，不过有一些 Python 包可以帮助我们了解模型的表现、哪些数据发生了变化并可能导致性能下降，以及为我们提供线索，帮助我们知道需要做什么才能让模型重回正轨。 本课程涵盖了使用流行的监控包 nannyml 在 Python 中构建基础监控系统所需了解的一切。

了解最佳监控工作流程

模型监控不仅仅是简单地计算模型在生产环境中的性能。 不幸的是，事情并没有那么简单。 尤其是在标签难以获得时。 本课程将向您介绍最佳监控工作流程。 它将确保你始终能够捕捉模型故障，避免告警疲劳，并快速找到问题的根本原因。

了解如何找出模型性能问题的根本原因

建模监控的另一个重要组成部分是根本原因分析。 本课程将深入讲解如何使用数据漂移检测技术来找出模型性能问题的根本原因。 您将学习如何使用单变量和多变量数据漂移检测技术，找出模型问题的潜在根本原因。