Überwachung von Leistung und Nutzung bereitgestellter Modelle
Während Sie Ihre ML-Bereitstellung zur Erstellung von Vorhersagen verwenden, können Sie die Leistung des Quellmodells überwachen, indem Sie Datendrift im Zeitverlauf analysieren. Sie können auch Details über die Nutzung der Bereitstellung für Vorhersagen einsehen, z. B. wie Vorhersagen ausgelöst wurden oder wie viele Vorhersagen fehlgeschlagen sind.
Die Überwachung der bereitgestellten Modelle und ML-Bereitstellungen erfolgt mit eingebetteten Analysen.
Überwachung von Datendrifts
Mit der Überwachung von Datendrifts können Sie analysieren, wie sich die Eingabedaten für Modellvorhersagen im Zeitverlauf verändert haben und wie sie sich vom ursprünglichen Trainingsdatensatz unterscheiden. Mit diesen Tools können Sie den Punkt bestimmen, an dem Ihr Modell aufgrund eines signifikanten Feature-Drifts neu trainiert oder ersetzt werden muss.
Weitere Informationen zur Überwachung von Datendrifts in AutoML finden Sie unter Überwachung von Datendrift in bereitgestellten Modellen.
Allgemeine Informationen zu Datendrift finden Sie unter Datendrift.
Überwachung von Vorgängen
Da Ihre ML-Bereitstellung zur Erstellung von Vorhersagen verwendet wird, ist es hilfreich, Details von deren Vorgängen zu überwachen. Mit der Vorgangsüberwachung in AutoML haben Sie folgende Möglichkeiten:
-
Sehen Sie sich die Anzahl der Anforderungen, Vorhersagen und fehlgeschlagenen Vorhersagen für die Bereitstellung an.
-
Analysieren Sie die Vorhersageereignisse nach Auslöser (z. B. wie viele davon ursprünglich manuell und wie viele nach einem Zeitplan erfolgten).
-
Sehen Sie sich ein detailliertes Protokoll an, in dem jedes Vorhersageereignis mit den wichtigsten Details aufgeführt ist.
Weitere Informationen finden Sie unter Überwachung der Vorgänge von bereitgestellten Modellen.