相关文章标签: monitoring
-
运营你所构建的 (Operate what you build)：小型 AI 产品的教训
分析生产工程 (production engineering) 中的所有权 (ownership) 思维，以及如何将其应用于 AI 工作流、CRM、仪表板和小型产品。
→ -
RecSysOps: 部署后运行推荐系统 (Operating a recommender system after deployment)
来自 Netflix RecSysOps 的关于运行推荐系统的笔记：当推荐系统进入生产环境时的故障检测、故障预测、诊断和解决。
→ -
AI 工作流的监控 (Monitoring)：向 Netflix 学习但在小规模应用
为小型 AI 工作流设计恰到好处的监控：日志 (logs)、指标 (metrics)、链路追踪 (traces)、评估 (evaluation) 和业务信号 (business signals)。
→ -
可扩展 ML 系统的微服务架构模式 (Microservice Architecture Patterns for Scalable ML Systems)
关于如何将机器学习系统分解为更小的服务以使其更易于部署、监控和扩展的实用笔记。
→ -
Netflix 微服务：为什么可观测性比你想象中更重要？
阅读 Netflix 关于微服务的文章，理解为什么分布式系统需要分层观察：请求流、瓶颈，以及实例级指标。
→ -
ML 平台需要哪些模块？向 Uber Michelangelo 学习
分析 Uber Michelangelo，以了解生产环境中的 ML 平台 (ML platform) 需要数据 (data)、训练 (training)、部署 (deployment)、预测 (prediction) 和监控 (monitoring)。
→