Basics
Monitoring ML Modelle
Datum
auf Anfrage
Kosten
CHF 450.00
Melde dich jetzt bei uns an
Das Monitoring der Infrastruktur und darauf laufender Business-Services
ist für einen professionellen Betrieb von Software unabdingbar und ein Kernwerkzeug für jedes DevOps Team. Auch bei Machine Learning Systemen ist dies nicht anders. Die Monitoringkonzepte für “klassische” Software können jedoch nicht 1:1 angewendet werden. Diese greifen technisch wie organisatorisch (rollenabhänger Fokus) zu kurz und decken daher nur die Spitze des Eisbergs ab. Neben den klassischen operativen Performance-Metriken müssen funktionale Metriken wie z.B. die Modell-Performance über die Zeit überwacht werden. In diesem Lab zeigen wir dir, wie du deine Machine-Learning-Modelle effektiv überwachst. Wir gehen auf die wichtigsten Metriken ein. Mit unserem Open Source Toolset kannst du bei den Hands-On ein fundamentales Monitoring gleich selber erstellen.
Trainingsziele
- Du weisst, wie das Monitoring im MLOps Prozess integriert wird
- Du kennst die Stakeholder und deren unterschiedlichen Erwartungen an ein Monitoring
- Du kennst die Metriken und „Best Practices“ für ein effektives Monitoring und erarbeitest diese für dein ML Use-Case
- Funktionale Metriken wie Data-Drift, Modell-Drift, Prediction-Drift sind keine Fremdwörter mehr für dich
- Du verstehst das Zusammenspiel zwischen funktionalen Metriken und operativen Metriken wie System-Performance, Data- und Modell Pipeline sowie Infrastrukturkosten
- Du weisst, wie du die Qualität deiner Daten sicherstellen und überwachen kannst
Voraussetzungen
- Verständnis des MLOps Prozesses (z.B. Besuch des TechLabs MLOps Grundlagen)
Zielpublikum
Software-Engineers, System-Engineers, Middleware-Engineers, Data-Science Engineers, Product Owners, Projektleiter:Innen welche für Produkte zuständig sind welche ML-Modelle nutzen
