강의
Python으로 Machine Learning 모니터링
고급기술 수준
업데이트됨 2025. 5.
PythonMachine Learning3시간11 동영상38 연습 문제2,800 XP3,921성취 증명서
무료 계정 만들기
Google에서 계속 진행더 많은 옵션 보기또는
수천 개 기업의 학습자들이 사랑하는
팀을 교육하시나요?
비즈니스용으로 체험해 보세요강의 설명
Python에서 ML 모델을 모니터링하는 방법을 배워보세요
머신 러닝 모델을 모니터링하면 머신 러닝 프로젝트의 장기적인 성공을 보장할 수 있습니다. 모니터링은 매우 복잡할 수 있지만, 모델의 성능이 어떤지 이해하고, 성능 저하로 이어졌을 수 있는 데이터의 변화를 파악하며, 모델을 다시 정상 궤도로 되돌리기 위해 무엇을 해야 하는지에 대한 단서를 제공하는 Python 패키지들이 있습니다. 이 강의는 인기 있는 모니터링 패키지인 nannyml을 사용하여 Python으로 기본 모니터링 시스템을 구축하는 데 필요한 모든 내용을 다룹니다.최적의 모니터링 워크플로를 이해하세요
모델 모니터링은 단순히 프로덕션에서 모델 성능을 계산하는 것만이 아닙니다. 안타깝게도 그렇게 간단하지는 않습니다. 특히 레이블을 구하기 어려울 때. 이 강의는 최적의 모니터링 워크플로에 대해 알려드립니다. 모델 실패를 항상 포착하고, 알림 피로를 피하며, 문제의 근본 원인을 빠르게 파악할 수 있도록 해줍니다.모델 성능 문제의 근본 원인을 찾는 방법을 배워보세요
모델 모니터링의 또 다른 중요한 요소는 근본 원인 분석입니다. 이 강의에서는 데이터 드리프트 탐지 기법을 활용해 모델 성능 문제의 근본 원인을 파악하는 방법을 살펴봅니다. 단변량 및 다변량 데이터 드리프트 탐지 기법을 모두 활용하여 모델 문제의 잠재적 근본 원인을 찾아내는 방법을 배우게 됩니다.선수 조건
Monitoring Machine Learning Concepts1
Data Preparation and Performance Estimation
In this chapter, you will be introduced to the NannyML library and its fundamental functions. Initially, you will learn the process of preparing raw data to create reference and analysis sets ready for production monitoring. As a practical example, you will investigate predicting the tip amount for taxi rides in New York. Toward the end of the chapter, you will also discover how to estimate the performance of the tip prediction model using NannyML.
2
Monitoring Performance and Business Value
In this chapter, you will be introduced to realized performance calculators used when ground truth becomes available. You will learn about the more advanced methods for handling results, including filtering, plotting, converting them to data frames, chunking, and establishing custom thresholds. Lastly, you'll apply this knowledge to calculate the business value of a model trained on the hotel booking dataset.
3
Root Cause Analysis and Issue Resolution
Having detected the performance degradation in the hotel booking model, you will now learn how to identify the underlying issue causing it. In this chapter, you will be introduced to multivariate and univariate drift detection methods. You will also learn how to identify data quality issues and how to address the underlying problems you detect.
Python으로 Machine Learning 모니터링
강의 완료
19백만 명 이상의 학습자와 함께 Python으로 Machine Learning 모니터링을(를) 시작하세요!
무료 계정 만들기
Google에서 계속 진행더 많은 옵션 보기또는
DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.
모바일 강좌와 매일 5분 코딩 챌린지를 통해 이동 중에도 학습 효과를 높이세요.