# 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.

Qlik Predict에서 데이터 드리프트 모니터링에 대한 자세한 내용은 [배포된 모델에서 데이터 드리프트 모니터링](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/monitor-drift.htm)를 참조하십시오.

데이터 드리프트에 대한 일반 정보는 [데이터 드리프트](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/data-drift.htm)을 참조하십시오.

## 작업 모니터링

ML 배포는 예측을 만드는 데 사용되므로 해당 작업에 대한 세부 정보를 모니터링하는 것이 유용합니다. Qlik Predict에서 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 모니터링](https://help.qlik.com/ko-KR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/monitor-model-operations.htm)을 참조하십시오.