إنشاء تقارير الانحراف باستخدام Evidently
أنشئ تقارير قابلة للمشاركة عن الانحراف والجودة.
إنشاء تقارير الانحراف باستخدام Evidently درس مجاني في MLOps Academy على CoddyKit. هذا هو الدرس 3 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 MLOps Academy، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة MLOps Academy 4 دروس في المجموع.
انجراف يمكنك مشاركته
تُعد أرقام PSI وKS الخام رائعة للبرمجة، لكن زملاءك يريدون صورة واضحة. يحوّل Evidently فحوصات الانجراف إلى تقارير مرئية قابلة للمشاركة. 📈
ما الذي يقدمه Evidently
Evidently مكتبة Python مفتوحة المصدر تقارن مجموعة بيانات مرجعية بالبيانات الحالية، وتعرض تقارير جاهزة عن الانجراف وجودة البيانات.
ثبّته أولًا
لا يتطلب البدء سوى تثبيت واحد باستخدام pip. ثم تستورد التقرير والإعداد المسبق اللذين تحتاج إليهما للتحليل.
pip install evidentlyالمرجعية مقابل الحالية
يحتاج كل تقرير في Evidently إلى إطاري بيانات: خط أساس مرجعي، يكون عادةً بيانات التدريب، وبيانات الإنتاج الحالية التي تريد مقارنتها به.
reference = train_df
current = production_dfإعداد Data Drift المسبق
يجمع الإعداد المسبق عدة فحوصات معًا. ويجري DataDriftPreset اختبار انجراف لكل سمة، ثم يلخص عدد السمات التي تغيرت.
from evidently.report import Report
from evidently.metric_preset import DataDriftPresetتشغيل تقرير
أنشئ Report بالمقاييس التي اخترتها، ثم شغّله على مجموعتي البيانات. يختار Evidently تلقائيًا اختبارات الانجراف المناسبة لكل عمود.
report = Report(metrics=[DataDriftPreset()])
report.run(reference_data=reference, current_data=current)حفظه بصيغة HTML
صدّر التقرير إلى ملف HTML واحد. ويمكن لأي شخص فتحه في متصفح من دون الحاجة إلى Python، مما يجعل مشاركته سهلة.
report.save_html("drift_report.html")الحصول على النتيجة في صورة Dict
لأغراض التشغيل الآلي، استخرج التقرير في صورة dict بدلًا من HTML. وبذلك يمكن لخط أنابيبك قراءة مؤشرات الانجراف والتعامل معها برمجيًا.
result = report.as_dict()
drift = result["metrics"][0]["result"]ما بعد الانجراف
لا يقتصر Evidently على الانجراف. إذ يحدد DataQualityPreset القيم المفقودة والنطاقات غير المعتادة، حتى تكتشف المدخلات المعطلة إلى جانب المدخلات المتغيرة.
مجموعات اختبار للنجاح أو الفشل
عندما تريد حكمًا واضحًا، استخدم TestSuite من Evidently. فهو يعيد نتيجة نجاح أو فشل لكل فحص، مما يجعله مثاليًا للتحكم في خط أنابيب CI.
جدولته
تظهر القوة الحقيقية عند تشغيل التقارير وفق جدول زمني، مثل تشغيلها يوميًا، وحفظ كل تقرير. ومع مرور الوقت، تبني سجلًا حيًا لصحة بياناتك. ⏱️
تحقق سريع
سؤال واحد حول ربط الانجراف بالتشغيل الآلي.
مراجعة سريعة
تعرفت إلى Evidently: زوّده بالبيانات المرجعية والحالية، وشغّل إعدادًا مسبقًا، ثم احفظ HTML للبشر أو استخدم as_dict للتشغيل الآلي. وجدوله لتتبع صحة البيانات بمرور الوقت. 🎯
الأسئلة الشائعة
هل درس «إنشاء تقارير الانحراف باستخدام Evidently» مجاني؟
نعم — نص درس «إنشاء تقارير الانحراف باستخدام Evidently» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة MLOps Academy، انتقل إلى CoddyKit PRO. تتضمن دورة MLOps Academy 4 دروس في المجموع.
ماذا ستتعلم في «إنشاء تقارير الانحراف باستخدام Evidently»؟
أنشئ تقارير قابلة للمشاركة عن الانحراف والجودة. تتمرن على MLOps Academy مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.
هل أحتاج إلى خبرة سابقة لأبدأ MLOps Academy؟
لا تُشترط خبرة سابقة. MLOps Academy على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 3 من أصل 4.
كم من الوقت يستغرق درس «إنشاء تقارير الانحراف باستخدام Evidently»؟
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 MLOps Academy هذا؟
نعم. كل درس في MLOps Academy 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
- انحراف البيانات مقابل انحراف المفهوم
- قياس الانحراف باستخدام PSI وKS
- إنشاء تقارير الانحراف باستخدام Evidently
- تعيين عتبات الانحراف ومشغلاته