Supervisión del rendimiento y el uso de los modelos implementados

A medida que utilice su implementación de ML para generar predicciones, podrá supervisar el rendimiento del modelo fuente analizando la deriva de los datos a lo largo del tiempo. También puede ver detalles sobre el uso de la implementación para las predicciones, como la forma en que se han desencadenado las predicciones y la tasa de fallos de predicción.

La supervisión de los modelos implementados y de las implementaciones de ML se realiza con los análisis integrados.

Control de la deriva de datos

Con la supervisión de la deriva de los datos puede analizar cómo han cambiado los datos de entrada con el tiempo para las predicciones del modelo y de qué modo difieren del conjunto de datos de entrenamiento original. Con estas herramientas, puede determinar el punto en el que su modelo necesita ser reentrenado o sustituido debido a una desviación o deriva significativa de las características.

Para más información sobre el control de la deriva de datos en AutoML, consulte Controlar la deriva de los datos en los modelos implementados.

Para obtener información general sobre la deriva de datos, consulte Deriva de datos.

Seguimiento de las operaciones

A medida que su implementación de ML se utiliza para crear predicciones, resulta útil supervisar los detalles de sus operaciones. Con la supervisión de operaciones en AutoML, podrá:

• Vea el número de solicitudes, predicciones y fallos de predicción de la implementación.

• Analizar los eventos de predicción por desencadenante (por ejemplo, cuántos se produjeron inicialmente de forma manual frente a los programados).

• Vea un registro detallado que muestra cada evento de predicción junto con los detalles clave.

Para más información, vea Supervisar las operaciones del modelo implementado.