Zuverlässiges maschinelles Lernen

Kapitel 9. Überwachung und Beobachtbarkeit für Modelle

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

Von Niall Murphy und Aparna Dhinakaran

Mitwirkende/Rezensenten: Ely Spears, Lina Weichbrodt, Tammy Le

Diagramme: Joel Bowman

Die Verwaltung von Produktionssystemen ist eine Mischung aus Kunst und Wissenschaft. Wenn man die Komplexität von ML zu dieser hybriden Disziplin hinzufügt, sieht sie weniger wie eine Wissenschaft und mehr wie eine Kunst aus. Was wir heute tun, ist eher ein Grenzbereich als ein klar definierter Raum. Trotzdem wird in diesem Kapitel beschrieben, was wir über die Überwachung, Beobachtung und Alarmierung von ML-Produktionssystemen wissen, und es werden Vorschläge gemacht, wie du diese Praxis in deinem eigenen Unternehmen weiterentwickeln kannst.

Was ist Produktionsüberwachung und warum sollte man sie durchführen?

In diesem Kapitel geht es darum, wie man Systeme überwacht, die ML betreiben, und nicht darum, ML zur Überwachung von Systemen einzusetzen. Letzteres wird manchmal auch als AIOps bezeichnet; wir konzentrieren uns auf Ersteres.

Nachdem das geklärt ist, lass uns über Produktionsüberwachung im Allgemeinen sprechen, ohne die Komplexität von ML, damit wir die Dinge leichter verstehen können - und wo könnte man besser anfangen als mit einer Definition? Auf der grundlegendsten Ebene liefert die Überwachung Daten darüber, wie sich deine Systeme verhalten; diese Daten werden ...