跳转到内容

    保持您的模型的最佳性能

    持续的漂移和精度监测是维护高效模型的最重要工具. 这就是为什么将模型监视集成到Domino Enterprise MLOps平台中. 提供从开发到部署再到监控的无缝体验, 您的组织可以快速迭代并确保模型的峰值性能. Domino通过简化的配置工具和用于捕获连续训练和预测数据的简化过程简化了监视设置. 可定制的警报, 洞察数据质量, 可复制的开发环境可以让您快速诊断, 重新构建和重新部署模型

     

    好处

    立即响应: 从一个集中的仪表板查看所有部署的模型及其性能特征,以便您可以采取纠正措施.

    简化流程: 使用简化的部署工具监视生产中的所有模型, 自动化预测数据管道, 以及自动生成监视指标,以确保所有模型都在最佳状态下运行.

    消除摩擦: 快速从警报转移到重新创建的开发工作区,以便您的团队可以快速处理模型性能.

    了解性能: 快速识别模型质量问题和数据漂移的根本原因,通过自动化的洞察跨越成百上千的特性.

    模型监视-运行状况检查

    集中的可见性

    • 查看随时间变化的性能,并在生产中管理模型的完整性.

    • 查看模型状态, 监测总结, 自定义警报, 数据漂移, 模型质量从一个仪表板.

    • 轻松深入模型性能以获得更多细节.
    在Domino中配置数据

    简化的配置

    • 轻松配置监视和部署设置.

    • 为分析保留特征、训练数据和预测.

    • 启用对Domino上发布和托管的所有模型api的自动监视.

    • 注册用任何语言或框架构建的模型.g.、Python、R、SAS、MATLAB、TensorFlow、datarrobot).
    加速修复

    加速修复

    • 轻松再现生产模型的开发环境进行修复.

    • 通过访问生产数据,可以轻松地对新模型版本进行再培训和验证.

    • 直接从工作空间中使用Domino Dataset访问历史预测,以分析监控中出现的问题.
    自动化的见解

    自动化的见解

    • 执行深, 自定义分析模型质量和性能与访问预测数据, 分析代码, 以及来自Domino项目内部的队列分析报告.

    • 自动识别特性在问题集群内外的执行情况.

    • 通过对模型结果的聚类分析,可以很容易地识别预测数据中导致模型质量较差的部分.
    左下

    企业等级

    • 比例模型监测能力无限, 使用Domino的弹性监视引擎, 支持最苛刻的监控需求.

    • 从Amazon S3和Hadoop兼容文件系统(HCFS)中吸收和分析大量数据, 包括Azure Blob Store, 蔚蓝数据湖, 谷歌云存储, 和HDFS.

    准备进一步探索Domino?