آموزش ملزومات MLOps: مانیتورینگ دریفت و تعصب مدل

معرفی Introduction

• نیاز به نظارت بر مدل The need for model monitoring

• تنظیم فایل های تمرین Setting up the exercise files

1. مقدمه ای بر مدل مانیتورینگ 1. Introduction to Model Monitoring

• مدل های ML در حال تولید ML models in production

• چالش های مدل های سرویس دهی در تولید Challenges with serving models in production

• معیارهایی برای نظارت Metrics to monitor

• داده ها برای نظارت بر مدل Data for model monitoring

2. مبانی دریفت مدل 2. Model Drift Basics

• مقدمه ای بر مدل دریفت Introduction to model drift

• رانش مفهومی Concept drift

• رانش ویژگی Feature drift

• چه چیزی باعث دریفت می شود؟ What causes drift?

• فرآیند اصلاح دریفت Drift remediation process

3. تشخیص دریفت مدل 3. Detecting Model Drift

• تشخیص انحراف مفهوم Detecting concept drift

• مثال تشخیص رانش مفهومی Concept drift detection example

• تشخیص جابجایی ویژگی Detecting feature drift

• مثال تشخیص رانش ویژگی Feature drift detection example

• تشخیص انحراف در متن و تصاویر Detecting drift in text and images

• نرم افزاری برای تشخیص دریفت Software for drift detection

4. فرآیند نظارت رانش و بهترین شیوه ها 4. Drift Monitoring Process and Best Practices

• خط لوله پایش رانش Drift monitoring pipeline

• تحلیل روندهای رانش Analyzing drift trends

• کشف علل ریشه ای برای رانش Discovering root causes for drift

• بازآموزی برای غلبه بر رانش Retraining to overcome drift

5. مقدمه ای بر تعصب مدل 5. Introduction to Model Bias

• انصاف و تعصب Fairness and bias

• انصاف در ML Fairness in ML

• منابع سوگیری ML Sources of ML bias

• ویژگی های محافظت شده Protected attributes

• برابری جمعیتی Demographic parity

6. تشخیص سوگیری و بهترین شیوه ها 6. Bias Detection and Best Practices

• تکنیک های تشخیص سوگیری Bias detection techniques

• امتیاز فرصت برابر Equal opportunity score

• مثال EOS EOS example

• نرم افزار تشخیص سوگیری Bias detection software

• غلبه بر تعصب در ML Overcoming bias in ML

نتیجه Conclusion

• مراحل بعدی Next steps