Aufbau von Anwendungen mit maschinellem Lernen

Kapitel 11. Modelle überwachen und aktualisieren

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Sobald ein Modell eingesetzt wird, sollte seine Leistung wie bei jedem anderen Softwaresystem überwacht werden. Wie in "Teste deinen ML-Code" gelten auch hier die bewährten Methoden für Software. Und genau wie in "Teste deinen ML-Code" gibt es beim Umgang mit ML-Modellen weitere Dinge zu beachten.

In diesem Kapitel beschreiben wir die wichtigsten Aspekte, die bei der Überwachung von ML-Modellen zu beachten sind. Genauer gesagt werden wir drei Fragen beantworten:

1. Warum sollten wir unsere Modelle überwachen?

2. Wie überwachen wir unsere Modelle?

3. Welche Maßnahmen sollte unser Monitoring vorantreiben?

Beginnen wir mit der Frage, wie Überwachungsmodelle dabei helfen können, zu entscheiden, wann eine neue Version eingesetzt werden soll oder wie Probleme in der Produktion aufgedeckt werden können.

Überwachung rettet Leben

Das Ziel der Überwachung ist es, den Zustand eines Systems zu verfolgen. Für Modelle bedeutet das, ihre Leistung und die Qualität ihrer Vorhersagen zu überwachen.

Wenn eine Änderung in den Nutzer/innengewohnheiten plötzlich dazu führt, dass ein Modell unzureichende Ergebnisse liefert, kannst du das mit einem guten Überwachungssystem erkennen und so schnell wie möglich reagieren. Sehen wir uns einige wichtige Probleme an, die wir mit Hilfe von Monitoring erkennen können.

Überwachung ...