Zuverlässiges maschinelles Lernen

Kapitel 5. Bewertung der Modellvalidität und -qualität

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

OK, unsere Modellentwickler haben also ein Modell erstellt, von dem sie sagen, dass es bereit ist, in die Produktion zu gehen. Oder wir haben eine aktualisierte Version eines Modells, die eine derzeit in der Produktion laufende Version des Modells ersetzen soll. Bevor wir den Schalter umlegen und das neue Modell in einem kritischen Umfeld einsetzen, müssen wir zwei wichtige Fragen beantworten. Die erste stellt die Gültigkeit des Modells fest: Wird das neue Modell unser System zerstören? Die zweite betrifft die Qualität des Modells: Taugt das neue Modell überhaupt etwas?

Diese Fragen sind einfach zu stellen, aber ihre Beantwortung kann eine gründliche Untersuchung erfordern, die oft die Zusammenarbeit von Leuten mit unterschiedlichen Fachkenntnissen voraussetzt. Aus organisatorischer Sicht ist es wichtig, dass wir robuste Prozesse entwickeln und befolgen, um sicherzustellen, dass diese Untersuchungen sorgfältig und gründlich durchgeführt werden. Um unseren inneren Thomas Edison zu zitieren, kann man sagen, dass die Modellentwicklung zu 1% aus Inspiration und zu 99% aus Überprüfung besteht.

Dieses Kapitel befasst sich mit Fragen der Validität und der Qualität und vermittelt genügend Hintergrundwissen, damit sich MLOps-Mitarbeiter mit diesen beiden Themen auseinandersetzen können. Wir werden auch ...