Fondamentali del monitoraggio dei modelli di Azure Machine Learning

La distribuzione di un modello di machine learning è solo l'inizio del suo ciclo di vita. Una volta in produzione, i modelli possono degradarsi, incontrare dati inattesi e subire un drift nel tempo, rendendo essenziale il monitoraggio continuo. Questo corso basato su testo ti guida attraverso i concetti fondamentali del monitoraggio dei modelli di machine learning all'interno dell'ecosistema Azure. Imparerai come impostare la raccolta dati, analizzare le prestazioni del modello e stabilire avvisi per mantenere i tuoi sistemi intelligenti in funzione senza problemi. Cosa imparerai: - Comprendere la terminologia fondamentale di MLOps e del monitoraggio dei modelli; - Configurare i data collector di Azure Machine Learning per raccogliere input e output di produzione; - Rilevare il data drift e il degrado delle prestazioni del modello nel tempo; - Impostare avvisi e trigger automatizzati per rispondere alle anomalie operative; - Esercitarsi a tracciare le metriche moderne di AI generativa e LLM insieme alle metriche classiche di ML; - Integrare i flussi di lavoro di monitoraggio con Azure Monitor. Inizieremo con le definizioni fondamentali di model drift e metriche operative, per poi passare alla configurazione degli strumenti di monitoraggio nativi di Azure e all'analisi dei dati di telemetria reali. Questo corso è progettato per principianti, aspiranti data scientist e appassionati di cloud che desiderano comprendere l'osservabilità dei modelli. Non è richiesta alcuna esperienza precedente con Azure Machine Learning. Inizia a leggere oggi per padroneggiare gli elementi essenziali per mantenere i tuoi modelli distribuiti accurati e affidabili.