Nothing close enough? Start from a blank erd → Describe it in one paragraph.
How to use an erd template.
- 01Identifier les entités supervisées
Dressez la liste des objets essentiels à suivre, comme les modèles, les jeux de données, les prédictions et les étiquettes de vérité terrain.
- 02Définir les relations
Reliez les modèles aux journaux d’inférence, aux caractéristiques et aux événements d’alerte afin que chaque requête de supervision dispose d’un chemin clair.
- 03Ajouter les métriques de supervision
Incluez des tables pour la dérive des données, les performances des modèles et les métriques de biais, avec des horodatages et des seuils.
- 04Séparer les données de production et de référence
Modélisez la différence entre les données de prédiction en direct et les jeux de données de référence ou de validation utilisés pour les comparaisons.
- 05Générer l’ERD
Utilisez le générateur pour transformer votre liste d’entités et de relations en un diagramme partageable.
Questions about erd templates
Quelles tables sont généralement incluses dans un modèle de données de supervision du machine learning ?
Les tables courantes comprennent les modèles, les versions de modèles, les journaux d’inférence, les résultats de prédiction, les étiquettes de vérité terrain, les instantanés de caractéristiques, les métriques de dérive et les événements d’alerte.
Comment concevoir un ERD pour surveiller la dérive d’un modèle ?
Créez une table de métriques reliée à la version du modèle et à l’horodatage, qui stocke les mesures de dérive pour chaque caractéristique ou distribution de données.
Les données de prédiction et les étiquettes de vérité terrain doivent-elles être stockées dans des tables séparées ?
Oui, gardez-les séparées, car la vérité terrain peut être disponible ultérieurement et servir à une évaluation différée ; reliez-les à l’aide d’un ID de prédiction.
Ces exemples d’ERD peuvent-ils être adaptés à différents cas d’usage du ML ?
Absolument : remplacez ou étendez des entités comme « recommandation » ou « capteur » avec les noms de prédictions et de caractéristiques propres à votre application, tout en conservant les relations essentielles de supervision.
Ai-je besoin d’une table distincte pour la détection des biais ?
Les métriques de détection des biais appartiennent souvent à une table de métriques avec un champ de type de métrique. Toutefois, si vous suivez des groupes et des segments d’équité, une table distincte de métriques par groupe peut être nécessaire.