Úvod
Azure Machine Learning je cloudová služba pro správu životních cyklů projektů strojového učení. Odborníci na strojové učení, datoví vědci a technici můžou pomocí služby Azure Machine Learning trénovat a nasazovat modely a spravovat operace strojového učení.
Když někdo monitoruje prostředí Azure Machine Learning, je důležité mít přehled o všech prostředcích, které by mohly ovlivnit výkon a kvalitu modelu AI. Monitorování služby Azure Machine Learning se skládá z následujících oblastí:
- Výkon služby Azure Machine Learning: Výpočetní prostředky poskytují infrastrukturu pro spouštění pracovního postupu strojového učení. Můžou ovlivnit spuštění, experimenty a celkový výkon služby Azure Machine Learning. Tato oblast je tradičně určena pro operátory a správce.
- Problémy s pracovním postupem: Během životního cyklu strojového učení mohou během nasazování nových modelů, během provozu úlohy nebo v jiných případech dojít k problémům a chybám. Tuto oblast můžou zajímat správci i odborníci na strojové učení.
- Modely strojového učení: Posun dat, posun předpovědi modelu, špatná kvalita dat a posun přisuzování funkcí můžou vést k zastaralým modelům a způsobit zastaralé systémy AI. Odborníci na strojové učení a datoví vědci jsou tradičními vlastníky tohoto monitorování.
Azure Monitor je primární nástroj pro správu prostředí Azure Machine Learning. Azure Monitor nabízí integrované funkce pro monitorování problémů s výkonem a pracovními postupy ve službě Azure Machine Learning. Tyto možnosti můžete také rozšířit pro své vlastní potřeby.
Správa modelů AI spoléhá na shromažďování dat odvozování v produkčním prostředí. Tato analýza je součástí monitorování modelů Azure Machine Learning.