El desglose de deriva en tiempo real simplifica el análisis de deriva ad hoc

La deriva de datos es un fenómeno que refleja cambios naturales en el mundo que nos rodea, como cambios en la demanda de los consumidores, fluctuaciones económicas o fuerza mayor. Si bien los cambios en los datos nuevos pueden amenazar el rendimiento de los modelos de producción, la deriva de datos puede ser una oportunidad estratégica para que su solución de IA se adapte rápidamente a los nuevos patrones y mantenga una ventaja competitiva sobre los competidores no tan rápidos. La clave, por supuesto, es su tiempo de respuesta: qué tan rápido se puede analizar y corregir la deriva de datos.

Lo nuevo en DataRobot AI Cloud es una capacidad de desglose de deriva única para ayudarlo a administrar el cambio y mantenerse por delante de su competencia.

El cambio es inevitable. El crecimiento es opcional.

Profundice en la deriva para un diagnóstico rápido del modelo

Un desafío clave en la investigación de la deriva de datos es la falta de detalles disponibles para el usuario. Tradicionalmente, se realiza un seguimiento de la desviación de las funciones principales comparando los datos de puntuación con los datos de entrenamiento. La deriva también se puede ver a lo largo del tiempo para identificar tendencias generales de deriva. Para profundizar en los patrones y las causas de la deriva, los usuarios de MLOps deben poder comparar la deriva entre dos segmentos de datos de puntuación (además de la comparación tradicional entre la puntuación y los datos de entrenamiento), para cualquiera o todas las funciones, y en cualquier momento específico. período.

Los usuarios de DataRobot MLOps ahora pueden comparar la deriva de las características seleccionadas entre dos segmentos de puntuación de un modelo (o segmentos de puntuación y entrenamiento), para cualquier período de tiempo, y ver información contextual como el valor de predicción a lo largo del tiempo para respaldar aún más su investigación.

Desglose de deriva en tiempo real - DataRobot AI Cloud

Como se destaca en la interfaz de DataRobot anterior, la pestaña Data Drift se mejora con una sección Drill Down para que los usuarios visualicen los detalles de la deriva. Los usuarios pueden configurar sus propios ajustes de visualización para seleccionar un modelo, rango de fechas de interés y granularidad de tiempo. Esto es importante ya que la deriva de datos puede verse diferente en diferentes granularidades de tiempo; la deriva puede ocurrir en cualquier momento ya cualquier velocidad.

Por ejemplo, si un modelo ha estado en producción durante un año con poca deriva, pero solo ha comenzado a aumentar a un ritmo creciente en la última semana, es posible que la vista de deriva general no represente este problema inminente. Hacer zoom en la última semana ayudará al usuario a comprender qué tan rápido se desplazan los datos y si es motivo de preocupación o no.

“Se podría pensar que, en general, las características del modelo se desviaron relativamente poco durante la producción, pero en realidad, las estadísticas de desvío del modelo podrían estar fluctuando un poco hacia arriba y hacia abajo. O puede haber una tendencia preocupante que comenzó a desarrollarse durante la última semana y que desea vigilar. Esa información requiere observar segmentos de tiempo específicos. Las divisiones de tiempo granulares le muestran la imagen real”, enfatizó Brain Bell, director sénior de gestión de productos que lidera la estrategia DataRobot MLOps.

Sin la capacidad de hacer zoom en intervalos de tiempo granulares, las diferencias en los patrones de deriva pueden perderse en el análisis general. La nueva capacidad de desglose de deriva de DataRobot permite a los científicos de datos ejecutar verificaciones rápidas de cordura, investigar patrones de aceleración o desaceleración en deriva y controlar el nivel de granularidad de las imágenes.

DataRobot ofrece un desglose de deriva rápido e intuitivo, ya que nos enfocamos en analizar sus datos en diferentes dimensiones en tiempo real para responder preguntas de ciencia de datos. Desde nuestra interfaz puede cambiar los parámetros de análisis y obtener múltiples conocimientos rápidamente.

Desarrollo rápido de productos para una economía que cambia rápidamente

La capacidad de desglose de deriva de DataRobot se inspiró en una conversación con un banco mientras su equipo de ciencia de datos luchaba con el análisis de deriva ad hoc. Antes de utilizar DataRobot, el cliente realizaba una tediosa experimentación para rastrear e investigar los patrones de deriva. Su equipo de ciencia de datos no tenía una forma sencilla de hacer preguntas específicas sobre cambios en los datos durante períodos de tiempo específicos. Necesitaban realizar análisis de deriva en tiempo real para garantizar el rendimiento de los modelos implementados.

El equipo de ciencia de datos del banco vio valor en la capacidad de realizar una inmersión profunda a la deriva y responder preguntas críticas en segundos.

Cada vez más organizaciones sienten la necesidad de profundizar en la deriva ad hoc, especialmente porque las condiciones económicas mundiales siguen afectando a los modelos a un ritmo alarmante. Los patrones en los datos están cambiando más rápido de lo que los equipos de ciencia de datos pueden seguir, lo que les cuesta tiempo y visibilidad en las implementaciones. El desglose por deriva resuelve este desafío de la ciencia de datos para que las organizaciones puedan mantener los resultados comerciales impulsados ​​por la IA.

MLOps es vital para la IA empresarial

DataRobot MLOps ofrece un lugar único para implementar, monitorear, administrar y gobernar modelos en producción, independientemente de cómo se crearon o cuándo y dónde se implementaron. Obtenga más información sobre DataRobot MLOps.

Recorrido del producto

Recorra la plataforma en la nube de IA de DataRobot

Hacer un recorrido

Sobre el Autor

Mayo Masoud
Mayo Masoud

Científico de datos, Robot de datos

May Masoud es científica de datos, defensora de la IA y líder de opinión capacitada en estadística clásica y aprendizaje automático moderno. En DataRobot, diseña la estrategia de mercado para la plataforma DataRobot AI Cloud, ayudando a las organizaciones globales a obtener un retorno medible de las inversiones en IA mientras mantiene la ética y el gobierno empresarial.

May desarrolló su base técnica a través de títulos en Estadística y Economía, seguidos de una Maestría en Business Analytics de la Escuela de Negocios Schulich. Este cóctel de experiencia técnica y empresarial ha dado forma a May como practicante de IA y líder intelectual. May ofrece conferencias magistrales y talleres sobre IA ética y IA democratizadora para comunidades empresariales y académicas.

Conoce a May Masoud

Fuente del artículo

Deja un comentario