Naikkan atau Kembalikan Pemenang
Rilis model yang lebih baik atau kembalikan dengan rapi.
Naikkan atau Kembalikan Pemenang adalah pelajaran MLOps Academy gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar MLOps Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus MLOps Academy mencakup 4 pelajaran total.
Pengujian Selesai
Pengujian A/B Anda telah berjalan selama jangka waktu penuh dan angkanya sudah tersedia. Kini tiba saatnya mengambil keputusan: promosikan model penantang atau kembalikan ke model unggulan. 🚦
Putuskan Berdasarkan Rencana Anda
Buka kriteria keberhasilan yang Anda tulis sebelum pengujian. Model penantang hanya menang jika melampaui ambang pada metrik utama dan tidak merusak metrik pelindung apa pun.
Promosi Berarti Produksi
Mempromosikan model berarti menjadikannya model unggulan yang baru. Dengan registri, hal ini biasanya berarti memindahkan versi pemenang ke tahap Production.
Promosikan melalui Registri
MLflow memungkinkan Anda mengubah versi pemenang menjadi Production dalam satu pemanggilan, sehingga lapisan penyajian Anda dapat menggunakannya.
from mlflow import MlflowClient
client = MlflowClient()
client.transition_model_version_stage("fraud", version=7, stage="Production")Naikkan Bertahap, Jangan Langsung Penuh
Bahkan pemenang yang jelas tetap memerlukan peluncuran yang cermat. Naikkan lalu lintasnya dari sepuluh persen menuju seratus persen secara bertahap sambil mengamati metrik langsung.
Kapan Harus Mengembalikan Versi
Kembalikan versi jika model penantang kalah, seri, atau memicu metrik pelindung seperti lonjakan latensi. Hasil seri bukan kemenangan, jadi pilihan aman secara bawaan adalah mempertahankan model unggulan.
Pengembalian Harus Seketika
Pengembalian yang bersih cukup dilakukan dengan mengarahkan lalu lintas kembali ke versi lama. Karena model unggulan masih terdaftar, pemulihan seharusnya memerlukan hitungan detik, bukan pembangunan ulang. ⏪
Pertahankan Model Unggulan Lama
Jangan pernah menghapus model unggulan sebelumnya segera setelah melakukan promosi. Pindahkan model itu ke tahap Diarsipkan, sehingga pengembalian cepat selalu dapat dilakukan dalam satu langkah.
Pantau Setelah Diluncurkan
Promosi bukanlah garis akhir. Terus pantau model unggulan baru, karena perilaku langsung pada lalu lintas penuh masih dapat mengejutkan Anda setelah pengujian berakhir.
Catat Keputusan
Catat siapa yang mengambil keputusan, metrik yang digunakan, dan hasil akhirnya. Jejak audit ini memungkinkan Anda menjelaskan dengan tepat nantinya mengapa model ini dijalankan atau dikembalikan.
Pengujian yang Kalah Tetap Menghasilkan Kemenangan
Mengembalikan versi bukanlah kegagalan. Anda telah melindungi pengguna dari model yang lebih buruk dan mempelajari sesuatu yang nyata, tepat seperti tujuan eksperimen tersebut. ✅
Pemeriksaan Singkat
Mari kita tentukan tindakan setelah hasilnya tersedia.
Ringkasan
Ambil keputusan berdasarkan rencana tertulis Anda: promosikan pemenang yang jelas dan aman bagi metrik pelindung melalui registri, naikkan lalu lintas secara bertahap, dan pertahankan model unggulan lama untuk pengembalian seketika. 🎯
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Naikkan atau Kembalikan Pemenang” gratis?
Ya — teks lengkap “Naikkan atau Kembalikan Pemenang” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus MLOps Academy, upgrade ke CoddyKit PRO. Kursus MLOps Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Naikkan atau Kembalikan Pemenang”?
Rilis model yang lebih baik atau kembalikan dengan rapi. Kamu berlatih MLOps Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai MLOps Academy?
Tidak diperlukan pengalaman sebelumnya. MLOps Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.
Berapa lama pelajaran “Naikkan atau Kembalikan Pemenang” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran MLOps Academy ini?
Ya. Setiap pelajaran MLOps Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Bagi Lalu Lintas di antara Versi Model
- Pilih Metrik yang Penting
- Pahami Signifikansi Tanpa Menipu Diri Sendiri
- Naikkan atau Kembalikan Pemenang