Webinar 'The A-Z of Data: Monitoring ML Models in Production'

25 августа состоялся второй вебинар из серии "The A-Z of Data" от команды Data Phoenix Events, который был посвящен мониторингу ML моделей в продакшене.

Качество работы моделей машинного обучения может снижаться со временем - из-за изменений в данных, бизнес-процессах или попросту потерь или поломок. Чтобы избежать негативного влияния на бизнес-показатели, важно отследить такие ситуации и вовремя принять меры - например, переобучить модель. Поэтому в мониторинг сервисов на основе машинного обучения необходимо включить дополнительные метрики качества модели и данных. В ходе туториала Эмели Драль продемонстрировала, как качество модели может меняться со временем, и как с помощью опенсорс-инструментов можно отслеживать и анализировать изменения.

Спикер
Эмели Драль - сооснователь и CTO стартапа Evidently AI, который разрабатывает инструменты для анализа и мониторинга моделей машинного обучения. Ранее занимала должность Chief Data Scientist в Mechanica AI и Yandex Data Factory, где руководила разработкой решений на основе машинного обучения для различных отраслей - от банков до производственных компаний. Эмели - один из авторов специализации «Машинное обучение и анализ данных» на Coursera и создатель крупнейшего в России открытого офлайн-курса по анализу данных «Data Mining in Action». Она также преподает в университете Harbour Space в Барселоне и на программе MBA Высшей Школы Менеджмента СПбГУ.