De fire søjler i ML-observabilitet
Data, model, drift og forklarbarhed i samspil.
De fire søjler i ML-observabilitet er en gratis MLOps Academy-lektion på CoddyKit. Dette er lektion 1 af 4. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i MLOps Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. MLOps Academy-kurset indeholder 4 lektioner i alt.
Ud over simpel overvågning
Overvågning fortæller dig, at en tjeneste kører. Observerbarhed lader dig spørge, hvorfor en model opfører sig, som den gør, selv når det gælder spørgsmål, du ikke havde planlagt på forhånd. 🔍
De fire søjler
Observerbarhed for ML hviler på fire søjler: dataene, der kommer ind, modellen og dens forudsigelser, drift over tid samt forklarligheden af hvert output.
Søjle 1: Datakvalitet
Den første søjle er datakvalitet. Du holder øje med manglende værdier, ødelagte skemaer og mærkelige intervaller, før de overhovedet når modellen.
Søjle 2: Modelydelse
Den anden søjle er modelydelse. Du følger nøjagtighed, præcision eller forretningsmålinger på aktive forudsigelser – ikke kun på dit offline-testsæt.
Søjle 3: Drift
Den tredje søjle er drift. Verden ændrer sig, så inputtene og forholdet mellem input og output langsomt holder op med at ligne det, du trænede modellen på.
Søjle 4: Forklarbarhed
Den fjerde søjle er forklarbarhed. Når en forudsigelse ser forkert ud, skal du kunne se, hvilke egenskaber der trak den i den retning.
Hvorfor fire og ikke én
Hver søjle opdager en fejl, som de andre overser. Rene data med mål, der ændrer sig, kan stadig føre til fejl, så du holder øje med alle fire samlet.
Input, output og resultater
God observerbarhed forbinder tre ting over tid: de input, en model så, det output, den gav, og de faktiske resultater, der fulgte.
Forsinket facit
De sande etiketter kommer ofte flere dage senere. Indtil da bruger du data- og drift-signaler som tidlige advarsler om problemer.
Værktøjer, der hjælper
Biblioteker som Evidently samler disse søjler i færdige rapporter om datakvalitet, drift og modelkontrol.
from evidently import Report
from evidently.presets import DataDriftPreset
report = Report(metrics=[DataDriftPreset()])
report.run(reference_data=ref, current_data=live)Et fælles ordforråd
Når hele dit team bruger navnene på de samme fire søjler, bliver fejlfinding af en dårlig model en tjekliste i stedet for gætteri.
Hurtigt tjek
Det er tid til at matche et symptom med den rigtige søjle.
Opsummering
Observerbarhed i ML bygger på fire søjler: datakvalitet, modelydelse, drift og forklarbarhed. Tilsammen besvarer de ikke kun, hvad der gik galt, men også hvorfor. ✅
Lær Python med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 30
- Lektioner
- 120
Ofte stillede spørgsmål
Er lektionen “De fire søjler i ML-observabilitet” gratis?
Ja — hele teksten til “De fire søjler i ML-observabilitet” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af MLOps Academy-kurset, skal du opgradere til CoddyKit PRO. MLOps Academy-kurset indeholder 4 lektioner i alt.
Hvad lærer jeg i “De fire søjler i ML-observabilitet”?
Data, model, drift og forklarbarhed i samspil. Du øver dig i MLOps Academy med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på MLOps Academy?
Der kræves ingen tidligere erfaring. MLOps Academy på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 1 af 4.
Hvor lang tid tager lektionen “De fire søjler i ML-observabilitet”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne MLOps Academy-lektion?
Ja. Alle MLOps Academy-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- De fire søjler i ML-observabilitet
- Log forudsigelser til senere analyse
- Opdel metrikker efter segment og kohorte
- Forklar forudsigelser med SHAP