Empezando a traer tus propios datos

Esta es una guía para comenzar con Trae tus propios datos de New Relic. Aprenderá cómo instalar, ejecutar y experimentar con Bring Your Own Data (BYOD), y comenzar a monitorear el rendimiento de sus modelos de aprendizaje automático.

Inicio rápido

El uso de BYOD facilita la monitor de sus modelos de aprendizaje automático en 3 pasos principales:

# 1: Initialize the monitoring
ml_monitor = MLPerformanceMonitoring(...)

# 2: Add your algorithm
y = my_model.predict(X)

# 3: Record your data
ml_monitor.record_inference_data(X, y)

Utilice este ejemplo en colab y pruebe fácilmente un ejemplo de monitoreo de modelo de un extremo a otro.

Instalacion

La instalación es sencilla y similar a cualquier biblioteca de Python.

pip install git+https://github.com/newrelic-experimental/ml-performance-monitoring.git

Implementación

Esta guía lo llevará paso a paso por todo lo necesario para comenzar a monitorear sus modelos de Machine Learning.

1. Configure su variable de entorno

Obtenga su clave de licencia(también denominado ingest - license) y configúrelo como variable de entorno: NEW_RELIC_INSERT_KEY. Haga clic aquí para obtener más detalles e instrucciones. ¿Está informando datos a la región de la UE de New Relic? haga clic aquí para obtener más instrucciones.

2. Importar paquete

from ml_performance_monitoring.monitor import MLPerformanceMonitoring

3. Crear monitor de modelo

metadata = {"environment": "notebook"}
model_version = "1.0"
features_columns, labels_columns = (
    ["feature_1", "feature_2", "feature_3", "feature_4"],
    ["target"],
)

ml_monitor = MLPerformanceMonitoring(
    insert_key=None,  # set the environment variable NEW_RELIC_INSERT_KEY or send your insert key here
    model_name="My stunning model",
    metadata=metadata,
    features_columns=features_columns,
    labels_columns=labels_columns,
    label_type="numeric",
    model_version=model_version
)

4. Ejecute su modelo

y = my_model.predict(X)

5. Grabar

ml_performence_monitor_model.record_inference_data(X, y)

6. Monitor y alertar

¡Hecho! Para verificar su aplicación, vaya a one.newrelic.com y vea datos en tiempo real.

Ejemplos

Creamos estos cuadernos en Google colab para que puedas probarlos:

1. Pruebe un modelo XGBoost en el conjunto de datos de precios de la vivienda en California . Abierto en colab.
2. Pruebe cómo simular 24 horas de datos de inferencia de modelos utilizando New Relic MLOps. Abierto en colab

Usuario de cuenta UE

Si está utilizando una cuenta de la UE, envíela como parámetro en la llamada MLPerformanceMonitoring si su variable de entorno no está configurada:

• EVENT_CLIENT_HOST and METRIC_CLIENT_HOST

  • Cuenta de la región de EE. UU. (predeterminada) -

    • EVENT_CLIENT_HOST: insights-collector.newrelic.com
    • METRIC_CLIENT_HOST: metric-api.newrelic.com

  • Cuenta de la región de la UE -

    • EVENT_CLIENT_HOST: insights-collector.eu01.nr-data.net
    • METRIC_CLIENT_HOST: metric-api.eu.newrelic.com/metric/v1

También se puede enviar como parámetro en la convocatoria MLPerformanceMonitoring.