Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Surveillance d'un modèle en production
Après avoir déployé un modèle dans votre environnement de production, utilisez Amazon SageMaker Model Monitor pour surveiller en permanence la qualité de vos modèles de machine learning en temps réel. Amazon SageMaker Model Monitor vous permet de configurer un système de déclenchement automatique d'alertes en cas d'écarts dans la qualité du modèle, tels que des dérives de données ou des anomalies. Amazon CloudWatch Logs collecte des fichiers journaux pour surveiller l'état du modèle et vous avertit lorsque la qualité de votre modèle atteint certains seuils que vous avez prédéfinis. CloudWatch stocke les fichiers journaux dans un compartiment Amazon S3 que vous spécifiez. La détection précoce et proactive des écarts de AWS modèle grâce aux produits de surveillance des modèles vous permet de prendre des mesures rapides pour maintenir et améliorer la qualité de votre modèle déployé.
Pour plus d'informations sur les produits de surveillance des SageMaker modèles, consultezSurveillance de la qualité des données et des modèles avec Amazon SageMaker Model Monitor.
Pour commencer votre parcours d'apprentissage automatique SageMaker, créez un AWS compte sur Set Up SageMaker.
