چگونه سیستم‌های یادگیری ماشینِ مشاهده‌پذیر(observable machine learning systems) بسازیم؟

نکات کلیدی یک سیستم یکپارچه مدیریت ML نیازمند ارکستراسیون دقیق چندین مؤلفه است، از ردیابی آزمایش‌ها با MLflow تا سروینگ مدل با FastAPI. بصری‌سازی تعاملی از طریق Streamlit امکان نمونه‌سازی سریع، اعتبارسنجی و ارتباط با ذی‌نفعان را فراهم می‌کند و هم به‌عنوان ابزار توسعه و هم به‌عنوان بستری برای تحلیل رفتار مدل عمل می‌کند. برای […]

ادامه مطلب ...
301572

چگونه می‌توانیم اطمینان حاصل کنیم که مشاهده‌پذیری در چرخه عمر توسعه به حاشیه رانده نمی‌شود؟ به گفته کالین گریفین از Krumware، ما اغلب چرخه عمر توسعه را بر اساس نحوه تعامل توسعه‌دهندگان با برنامه‌ها می‌بینیم. در مهندسی پلتفرم، تمرکز بر کاربران نهایی است—توسعه‌دهندگان، تیم‌های داده، اپراتورها و دیگران—از منظر مدیریت برنامه. مشاهده‌پذیری API معمولاً در […]

ادامه مطلب ...
4649

مشاهده‌پذیری، آزمون کارایی و بینش‌ها (Observability, performance testing and insights) برای آندریاس گرابنر از Dynatrace، مشاهده‌پذیری کلید باز کردن نتایج آزمون کارایی را ثابت کرد. معیارها و لاگ‌ها فقط تا حدی می‌توانستند پیش بروند؛ زمانی که در طول آزمون مشکلی رخ می‌داد، این مشاهده‌پذیری بود که بینش‌هایی درباره اینکه چه چیزی اشتباه شده و چرا، […]

ادامه مطلب ...
200 ok status code

بسیاری از ابزارهای مشاهده‌پذیری، پایش و لاگ‌گیری از کدهای پاسخ HTTP به‌عنوان شاخصی از کیفیت و آنچه رخ داده استفاده می‌کنند. اما رویکرد ساده‌ای که فرض می‌کند کدهای پاسخ ۲۰۰ خوب هستند و کدهای ۴۰۰ یا ۵۰۰ بد هستند، پیچیدگی سیستم‌های مدرن را در نظر نمی‌گیرد. ۲۰۰ همیشه به معنی اوکی بودن نیست به‌طور ساده، […]

ادامه مطلب ...
57817

روش RED برای تحلیل ریشه‌ای علت‌ها چیست؟ روش RED حدود سال ۲۰۱۵ توسط مدیر ارشد فناوری Grafana، تام ویلکی، شکل گرفت؛ زمانی که او متوجه شد در فلسفه پایش، به‌ویژه در حوزه میکروسرویس‌ها، یک خلأ وجود دارد. از آن زمان تاکنون، این روش به یکی از ارکان اصلی رویکرد Grafana به مشاهده‌پذیری تبدیل شده است. […]

ادامه مطلب ...
سبد خرید
علاقه‌مندی‌ها
مشاهدات اخیر
دسته بندی ها