Primeiros passos com traga seus próprios dados

Este é um guia para começar a usar o New Relic, traga seus próprios dados. Você aprenderá como instalar, executar e experimentar trazer seus próprios dados , ou BYOD, e começar a monitorar o desempenho de seus modelos de aprendizado de máquina.

Começo rápido

O uso do BYOD facilita o monitor de seus modelos de aprendizado de máquina em três etapas principais:

# 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)

Use este exemplo no Colab e experimente facilmente um exemplo completo de monitoramento de modelo.

instalação

A instalação é simples e semelhante a qualquer biblioteca python

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

Implementação

Este guia irá guiá-lo passo a passo para tudo o que é necessário para iniciar o monitoramento de seus modelos de Machine Learning

1. Defina sua variável de ambiente

Obtenha seu (também referenciado como ingest - license) e defina-o como variável de ambiente: NEW_RELIC_INSERT_KEY. Clique aqui para mais detalhes e instruções. Você está reportando dados para a região New Relic EU? clique aqui para mais instruções.

2. Importar pacote

from ml_performance_monitoring.monitor import MLPerformanceMonitoring

3. Crie 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. Execute seu modelo

y = my_model.predict(X)

5. Registro

ml_performence_monitor_model.record_inference_data(X, y)

6. Monitor e alertar

Feito! Para verificar seu aplicativo, acesse one.newrelic.com e veja os dados em tempo real.

Exemplos

Criamos esses notebooks no Google Colab para que você possa experimentá-los:

Experimente um modelo XGBoost no conjunto de dados de preços de moradias na Califórnia . Abra no colab.
Experimente como simular 24 horas de dados de inferência de modelo usando New Relic MLOps. Abrir em colab

Usuário da conta da UE

Se você estiver usando uma conta UE, envie-a como parâmetro na chamada MLPerformanceMonitoring se sua variável de ambiente não estiver definida:

EVENT_CLIENT_HOST and METRIC_CLIENT_HOST
- Conta da região dos EUA (padrão) -
  - EVENT_CLIENT_HOST: insights-collector.newrelic.com
  - METRIC_CLIENT_HOST: metric-api.newrelic.com
- Conta da região da UE -
  - EVENT_CLIENT_HOST: insights-collector.eu01.nr-data.net
  - METRIC_CLIENT_HOST: metric-api.eu.newrelic.com/metric/v1

Também pode ser enviado como parâmetro na chamada MLPerformanceMonitoring.

Esta tradução de máquina é fornecida para sua comodidade.