监控与可观测性

在 MLOps 中，**监控**主要涉及跟踪生产环境中机器学习（ML）模型的性能，以确保它们持续提供准确可靠的结果。之所以需要进行这种监控，是因为这些模型处理的现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，此类警报可以触发使用新数据重新训练模型。从更广泛的角度来看，监控还涉及跟踪资源和工作流，以检测并修复 MLOps 流水线中的任何运维问题。