Chengyin英格

部署机器学习模型已经成为一个相对无摩擦的过程。然而，正确部署具有健壮测试和监视框架的模型是一项复杂得多的任务。在生产ML模型时，没有一种万能的解决方案，通常需要使用多个库和工具进行自定义实现。然而，有一组核心的统计测试和指标应该在适当的地方来检测数据和概念漂移等现象，以防止模型在不知不觉中变得陈旧并对业务有害。

结合我们与Databricks客户合作的经验，我们深入探讨了如何使用MLflow、SciPy和statmodels等开源工具在生产环境中测试您的ML模型。bob下载地址通过这次演讲，您将掌握在生产环境中测试模型和数据有效性的关键原则，以及一个使用MLflow来辅助该过程重现性的可推广演示。