MLOps Academy · Pelajaran

Jana Laporan Hanyutan dengan Evidently

Hasilkan laporan hanyutan dan kualiti yang boleh dikongsi.

Pelajaran 3 daripada 413 langkah

Jana Laporan Hanyutan dengan Evidently ialah pelajaran MLOps Academy percuma di CoddyKit. Ini ialah pelajaran 3 daripada 4. Anda boleh membaca keseluruhan pelajaran di bawah secara percuma — kemudian berlatih secara praktikal dalam pelayar menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran MLOps Academy, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus MLOps Academy merangkumi sejumlah 4 pelajaran.

Drift yang Boleh Dikongsi

Nombor PSI dan KS mentah bagus untuk kod, tetapi rakan sepasukan mahukan gambaran yang jelas. Evidently menukarkan pemeriksaan drift kepada laporan visual yang boleh dikongsi. 📈

Perkara yang Dilakukan oleh Evidently

Evidently ialah pustaka Python sumber terbuka yang membandingkan set data rujukan dengan data semasa serta menghasilkan laporan drift dan kualiti yang tersedia untuk digunakan.

Pasangnya Dahulu

Untuk bermula, anda hanya perlu memasang pip. Kemudian import laporan dan pratetap yang diperlukan untuk analisis.

pip install evidently

Rujukan berbanding Semasa

Setiap laporan Evidently memerlukan dua bingkai: garis dasar rujukan, biasanya data latihan, dan data pengeluaran semasa yang ingin anda bandingkan dengannya.

reference = train_df
current = production_df

Pratetap Data Drift

Pratetap menghimpunkan banyak pemeriksaan serentak. DataDriftPreset menjalankan ujian drift bagi setiap ciri dan meringkaskan bilangan ciri yang berubah.

from evidently.report import Report
from evidently.metric_preset import DataDriftPreset

Jalankan Laporan

Bina Report dengan metrik yang dipilih, kemudian jalankannya pada kedua-dua set data. Evidently memilih ujian drift yang sesuai bagi setiap lajur secara automatik.

report = Report(metrics=[DataDriftPreset()])
report.run(reference_data=reference, current_data=current)

Simpannya sebagai HTML

Eksport laporan kepada satu HTML fail. Sesiapa sahaja boleh membukanya dalam pelayar tanpa memerlukan Python, menjadikan perkongsian mudah.

report.save_html("drift_report.html")

Dapatkan Hasil sebagai Kamus

Untuk automasi, dapatkan laporan as a dict dan bukannya HTML. Kini pipeline anda boleh membaca penanda drift dan bertindak terhadapnya dalam kod.

result = report.as_dict()
drift = result["metrics"][0]["result"]

Melangkaui Drift

Evidently bukan hanya untuk drift. DataQualityPreset menandakan nilai yang hilang dan julat yang ganjil supaya anda dapat mengesan input rosak bersama-sama input yang berubah.

TestSuite untuk Lulus atau Gagal

Apabila anda mahukan keputusan yang jelas, gunakan TestSuite Evidently. Ia mengembalikan lulus atau gagal bagi setiap pemeriksaan, sesuai untuk mengawal pipeline CI.

Jadualkan Pelaksanaannya

Kuasa sebenar datang daripada menjalankan laporan mengikut jadual, contohnya setiap hari, dan menyimpan setiap laporan. Lama-kelamaan, anda membina sejarah kesihatan data yang sentiasa dikemas kini. ⏱️

Semakan Pantas

Satu soalan tentang menyambungkan drift kepada automasi.

Jawab dalam pelajaran interaktif

Imbas Kembali

Anda telah mengenali Evidently: berikan data rujukan dan semasa, jalankan pratetap, kemudian simpan HTML untuk manusia atau as_dict untuk automasi. Jadualkannya untuk menjejaki kesihatan data dari semasa ke semasa. 🎯

Percuma untuk bermula

Pelajari Python dengan tutor kecerdasan buatan — percuma

Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.

Kursus: 30
Pelajaran: 120

Mula belajar secara percuma Lihat kursus penuh

Soalan Lazim

Adakah pelajaran “Jana Laporan Hanyutan dengan Evidently” percuma?

Ya — teks penuh “Jana Laporan Hanyutan dengan Evidently” boleh dibaca secara percuma di web ini. Untuk berlatih secara interaktif menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7, serta membuka kunci baki kursus MLOps Academy, tingkat taraf kepada CoddyKit PRO. Kursus MLOps Academy merangkumi sejumlah 4 pelajaran.

Apakah yang akan saya pelajari dalam “Jana Laporan Hanyutan dengan Evidently”?

Hasilkan laporan hanyutan dan kualiti yang boleh dikongsi. Anda berlatih MLOps Academy menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.

Adakah saya memerlukan pengalaman untuk memulakan MLOps Academy?

Tiada pengalaman terdahulu diperlukan. Pembelajaran MLOps Academy di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 3 daripada 4.

Berapa lamakah pelajaran “Jana Laporan Hanyutan dengan Evidently” diambil?

Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.

Bolehkah saya menulis dan menjalankan kod dalam pelajaran MLOps Academy ini?

Ya. Setiap pelajaran MLOps Academy menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.

Semua pelajaran dalam kursus ini

Hanyutan Data berbanding Hanyutan Konsep
Ukur Hanyutan dengan PSI dan KS
Jana Laporan Hanyutan dengan Evidently
Tetapkan Ambang dan Pencetus Hanyutan

← Kembali ke MLOps Academy