data-drift

Модель показывала красивые метрики на валидации, а в продакшене начала молча сыпаться знакомая боль ML-инженера. Как ловить дрейф данных и распределений без дорогих SaaS вроде Datadog - связки Evidently и MLflow, самописный мониторинг, выбор сигналов, на которые реально стоит вешать алерты. Делятся, что работает за пределами стандартных дашбордов и как отличить настоящую деградацию от шума. Все это пригодится дата-сайентистам и MLOps, которым нужно держать модели в проде живыми, а не красивыми только на бумаге.

Похожие теги: mlops 2monitoring 2open-source 1продакшн 1переобучение модели 1метрики ml в проде 1