0Pricing
Learn AI with Python · درس

الرصد الشامل لأنظمة الذكاء الاصطناعي ومراقبتها

لوحات معلومات أداء النماذج، وتنبيهات انحراف البيانات، وحلقات التغذية الراجعة، والنشر في الوضع الظلي

الرصد الشامل لأنظمة الذكاء الاصطناعي ومراقبتها درس مجاني في Learn AI with Python على CoddyKit. هذا هو الدرس 4 من أصل 4. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في Learn AI with Python، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة Learn AI with Python 4 دروس في المجموع.

لماذا نراقب أنظمة ML

لا ينتهي العمل عند نشر النموذج. فقد ترتفع حركة المرور، ويزداد زمن الاستجابة تدريجيًا، ويتغير العالم بحيث تنحرف البيانات عن بيانات التدريب. وتخبركم قابلية الملاحظة ما إذا كان النظام سليمًا وما إذا كان النموذج لا يزال دقيقًا، قبل أن يشعر المستخدمون بالمشكلة.

نوعا المراقبة

تغطي قابلية ملاحظة ML طبقتين:

  • التشغيلية: زمن الاستجابة، والإنتاجية، والأخطاء، واستخدام الموارد، مثل أي خدمة
  • النموذج: انحراف البيانات، وتوزيع التنبؤات، والدقة بمرور الوقت، وهي أمور خاصة بـ ML

Prometheus للمقاييس

يُعد Prometheus النظام القياسي لجمع مقاييس السلاسل الزمنية. وتعرض خدمتكم نقطة نهاية للمقاييس؛ فيجمع Prometheus القيم منها دوريًا ويخزنها للاستعلام وإرسال التنبيهات.

إضافة قياس لزمن الاستجابة

تسجلون زمن استجابة الاستدلال باستخدام مدرج تكراري في Prometheus. وتتيح المدرجات التكرارية حساب المئينات، وهي الطريقة الصحيحة لتلخيص زمن الاستجابة، بدلًا من استخدام متوسط مضلل.

from prometheus_client import Histogram

INFER_LATENCY = Histogram(
    "inference_latency_seconds",
    "Model inference latency",
)

@INFER_LATENCY.time()
def predict(x):
    return model(x)

زمن الاستجابة عند P50 وP95

أبلغوا عن زمن الاستجابة باستخدام المئينات. يمثل P50 (الوسيط) التجربة المعتادة، بينما يمثل P95 الذيل البطيء الذي تتجاوزه 5% من الطلبات. وتكشف مراقبة P95 المشكلات التي يخفيها المتوسط، لأن عددًا قليلًا من الطلبات البطيئة لا يزال يضر المستخدمين.

لوحات Grafana

يعرض Grafana مقاييس Prometheus بصريًا في لوحات معلومات مباشرة. وتعرض لوحة النموذج عادةً معدل الطلبات، ومعدل الأخطاء، وزمن الاستجابة P50/P95، وتوزيع التنبؤات في شاشة واحدة لتوفير نظرة سريعة على الحالة.

ما هو انجراف البيانات

انجراف البيانات يحدث عندما يبتعد توزيع المدخلات الفعلية عن توزيع التدريب. لقد دُرِّب النموذج على أنماط قديمة، لذلك تتدهور دقته بصمت مع انجراف المدخلات، رغم عدم تغيير أي تعليمات برمجية.

مؤشر استقرار المجتمع

يقيس مؤشر استقرار المجتمع (PSI) انجراف البيانات كمّيًا من خلال مقارنة توزيع إحدى الميزات حاليًا بتوزيعها وقت التدريب. ويقسّم التوزيعين إلى فئات، ثم يجمع نسبة لوغاريتمية موزونة عبر هذه الفئات.

# PSI = sum over bins of
#   (actual_pct - expected_pct) * ln(actual_pct / expected_pct)

تفسير PSI

الحدود التقليدية لمؤشر PSI:

  • PSI < 0.1: لا يوجد انجراف ملحوظ
  • من 0.1 إلى 0.2: انجراف متوسط، ويجب التحقق منه
  • PSI > 0.2: انجراف ملحوظ، ومن المرجح أن النموذج يحتاج إلى إعادة التدريب

يُعد إرسال تنبيه عند تجاوز PSI قيمة 0.2 ممارسة شائعة.

حلقة التغذية الراجعة

أكثر إشارات المراقبة قيمة هي النتائج الفعلية. تلتقط حلقة التغذية الراجعة تصحيحات المستخدمين والتسميات الحقيقية، مثل: هل نُقر على التوصية؟ وهل كان تنبيه الاحتيال صحيحًا؟ ثم تعيد إدخالها باعتبارها بيانات تدريب جديدة.

إغلاق الحلقة بإعادة التدريب

يؤدي اكتشاف الانجراف وحلقة التغذية الراجعة معًا إلى تشغيل إعادة التدريب: فعندما يتجاوز PSI الحد المحدد أو تنخفض الدقة على التسميات الجديدة، يعيد خط الأنابيب التدريب باستخدام البيانات الحديثة، ثم يعيد نشر النموذج. ويحافظ ذلك على توافق النموذج مع عالم متغير.

اختبار سريع

اختبر معرفتك بقابلية رصد أنظمة الذكاء الاصطناعي.

مراجعة

لقد تعلمتم قابلية رصد أنظمة الذكاء الاصطناعي ومراقبتها:

  • يجمع Prometheus المقاييس؛ وأبلغوا عن زمن استجابة الاستدلال باستخدام P50/P95
  • تعرض لوحات معلومات Grafana حالة النظام بنظرة سريعة
  • يُقاس انجراف البيانات باستخدام PSI؛ وتشير قيمة PSI > 0.2 إلى ضرورة إعادة التدريب
  • تحوّل حلقة التغذية الراجعة تصحيحات المستخدمين إلى بيانات لإعادة التدريب

الأسئلة الشائعة

هل درس «الرصد الشامل لأنظمة الذكاء الاصطناعي ومراقبتها» مجاني؟

نعم — نص درس «الرصد الشامل لأنظمة الذكاء الاصطناعي ومراقبتها» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة Learn AI with Python، انتقل إلى CoddyKit PRO. تتضمن دورة Learn AI with Python 4 دروس في المجموع.

ماذا ستتعلم في «الرصد الشامل لأنظمة الذكاء الاصطناعي ومراقبتها»؟

لوحات معلومات أداء النماذج، وتنبيهات انحراف البيانات، وحلقات التغذية الراجعة، والنشر في الوضع الظلي تتمرن على Learn AI with Python مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.

هل أحتاج إلى خبرة سابقة لأبدأ Learn AI with Python؟

لا تُشترط خبرة سابقة. Learn AI with Python على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 4 من أصل 4.

كم من الوقت يستغرق درس «الرصد الشامل لأنظمة الذكاء الاصطناعي ومراقبتها»؟

معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.

هل يمكنني كتابة وتشغيل أكواد في درس Learn AI with Python هذا؟

نعم. كل درس في Learn AI with Python يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.

جميع الدروس في هذه الدورة

  1. أنماط بنية أنظمة الذكاء الاصطناعي
  2. مسارات تعلم آلي قابلة للتوسع باستخدام Airflow
  3. مخازن الميزات: Feast وTecton
  4. الرصد الشامل لأنظمة الذكاء الاصطناعي ومراقبتها
← العودة إلى Learn AI with Python