监控与可观测性

MLOps 中的监控主要涉及跟踪机器学习（ML）模型在生产环境中的性能，以确保它们持续提供准确和可靠的结果。这种监控是必要的，因为这些模型处理的真实世界数据可能会随时间变化，这种情况被称为数据漂移。这些变化可能会对模型性能产生不利影响。监控有助于检测模型行为或性能中的任何异常，并且这些警报可以触发使用新数据重新训练模型。从更广泛的视角来看，监控还涉及跟踪资源和工作流程，以检测和纠正 MLOps 管道中的任何操作问题。