기본 콘텐츠로 건너뛰기 보완적인 콘텐츠로 건너뛰기

배포된 모델의 성능 및 사용량 모니터링

ML 배포를 사용하여 예측을 생성할 때 시간 경과에 따른 데이터 드리프트를 분석하여 소스 모델의 성능을 모니터링할 수 있습니다. 또한 예측이 트리거된 방법, 예측 실패율 등 예측에 대한 배포 사용에 대한 세부 정보도 볼 수 있습니다.

배포된 모델과 ML 배포에 대한 모니터링은 포함된 분석을 통해 수행됩니다.

데이터 드리프트 모니터링

데이터 드리프트 모니터링을 사용하면 모델 예측을 위한 입력 데이터가 시간 경과에 따라 어떻게 변경되었는지, 그리고 원래의 교육 데이터 집합과 어떻게 다른지 분석할 수 있습니다. 이러한 도구를 사용하면 상당한 기능 드리프트로 인해 모델을 다시 교육하거나 바꿔야 하는 시점을 파악할 수 있습니다.

AutoML에서 데이터 드리프트 모니터링에 대한 자세한 내용은 배포된 모델에서 데이터 드리프트 모니터링를 참조하십시오.

데이터 드리프트에 대한 일반 정보는 데이터 드리프트을 참조하십시오.

작업 모니터링

ML 배포는 예측을 만드는 데 사용되므로 해당 작업에 대한 세부 정보를 모니터링하는 것이 유용합니다. AutoML에서 작업 모니터링을 사용하면 다음을 수행할 수 있습니다.

  • 배포에 대한 요청, 예측, 예측 실패의 수를 확인합니다.

  • 예측 이벤트를 트리거별로 분석합니다(예: 초기에 수동으로 발생한 이벤트 수와 일정에 따라 발생한 이벤트 수).

  • 각 예측 이벤트와 주요 세부 정보를 보여 주는 자세한 로그를 확인합니다.

자세한 내용은 배포된 모델 작업 모니터링을 참조하십시오.

이 페이지가 도움이 되었습니까?

이 페이지 또는 해당 콘텐츠에서 오타, 누락된 단계 또는 기술적 오류와 같은 문제를 발견하면 개선 방법을 알려 주십시오!