Creación de aplicaciones basadas en el aprendizaje automático

Capítulo 11. Monitorear y actualizar modelos

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Una vez implementado un modelo, su rendimiento debe ser monitoreado como el de cualquier otro sistema de software. Al igual que en "Prueba tu código ML" , se aplican las buenas prácticas habituales de software. Y al igual que en "Prueba tu código ML", hay cosas adicionales a tener en cuenta cuando se trata de modelos ML.

En este capítulo, describiremos los aspectos clave que hay que tener en cuenta al monitorizar modelos de ML. Más concretamente, responderemos a tres preguntas:

1. ¿Por qué debemos monitorear nuestros modelos?

2. ¿Cómo monitoreamos nuestros modelos?

3. ¿Qué acciones debe impulsar nuestro monitoreo?

Empecemos por ver cómo los modelos de monitoreo pueden ayudar a decidir cuándo implementar una nueva versión o a detectar problemas en la producción.

El monitoreo salva vidas

El objetivo del monitoreo en es controlar la salud de un sistema. Para los modelos, esto significa monitorear su rendimiento y la calidad de sus predicciones.

Si un cambio en los hábitos de los usuarios hace que, de repente, un modelo produzca resultados inferiores a los esperados, un buen sistema de monitoreo te permitirá darte cuenta y reaccionar lo antes posible. Veamos algunos problemas clave que el monitoreo puede ayudarnos a detectar.

Monitoreo para informar de la frecuencia de actualización

Ya vimos en "Frescura y cambio de distribución" ...