Hoy en día, New Relic extiende la experiencia de observabilidad con una nueva oferta para que los equipos de inteligencia artificial (AI) y de machine learning (ML) puedan romper el aislamiento asociado con la falta de visibilidad. Esta novedosa capacidad proporciona a los equipos de IA/ML y de DevOps un lugar para monitorear y visualizar señales críticas como recalls, precisión y exactitud de los modelos junto con sus aplicaciones e infraestructura.
Comience a medir el rendimiento de ML en pocos minutos. En este video, descubrirá cómo configurar el monitoreo del rendimiento de los modelos de ML de New Relic para conseguir rápidamente la rentabilidad de las aplicaciones de AI y de ML:
Incorpore los datos de los modelos de Machine Learning (ML) en New Relic One
Los ingenieros enfocados a Inteligencia Artificial/Machine Learning (AI/ML) y los data scientists pueden enviar sus datos de telemetría del rendimiento de los modelos a New Relic One y, gracias a las integraciones con plataformas líderes en Operaciones de Machine Learning (MLOps), pueden monitorear proactivamente cualquier problema que surja con los modelos de ML en la etapa producción. Puede otorgar a sus equipos de datos con una visibilidad completa, dashboards y visualizaciones personalizadas que muestran el rendimiento de sus inversiones en ML.
Visibilidad completa de las aplicaciones impulsadas por ML
A diferencia de cualquier software, los modelos de IA y ML se basan tanto en el código y como en los datos subyacentes. Debido a que el mundo real cambia constantemente, los modelos que se desarrollan en función de datos estáticos pueden volverse irrelevantes o bien variar con el paso del tiempo, produciendo resultados menos precisos. El monitoreo del rendimiento de un modelo de ML en la producción es fundamental para continuar proporcionando experiencias relevantes para los clientes.
Al usar New Relic One para el monitoreo del rendimiento de los modelos de ML, sus equipos de desarrollo y data science podrán:
- Incorporar sus propios datos de ML o integrarse con las plataformas de data science y monitorear modelos de ML y las interdependencias con el resto de los componentes de la aplicación, incluyendo a la infraestructura, para resolver problemas con mayor rapidez.
- Crear dashboards personalizados que generan modelos de ML más fiables gracias a su perspectiva.
- Aplicar alertas predictivas a los modelos de ML a partir de Alertas y de la Inteligencia Aplicada de New Relic a fin de detectar cambios inusuales e incógnitas antes de que impacten a los clientes.
- Examinar los datos de telemetría de los modelos de ML en busca de señales críticas a fin de mantener los modelos de alto rendimiento.
- Colaborar en un entorno de producción y contextualizar alertas, notificaciones e incidentes antes de que tengan un impacto en el negocio.
- Acceder a los datos que permiten tomar decisiones basadas en ellos, por ejemplo, para impulsar la innovación, planificar las decisiones, aumentar la confiabilidad y mejorar la experiencia del cliente.
Incorpore los datos de los modelos de Machine Learning (ML) en New Relic One
Los ingenieros enfocados a Inteligencia Artificial/Machine Learning (AI/ML) y los data scientists pueden enviar sus datos de telemetría del rendimiento de los modelos a New Relic One y, gracias a las integraciones con plataformas líderes en Operaciones de Machine Learning (MLOps), pueden monitorear proactivamente cualquier problema que surja con los modelos de ML en la etapa producción. Puede otorgar a sus equipos de datos con una visibilidad completa, dashboards y visualizaciones personalizadas que muestran el rendimiento de sus inversiones en ML.
Visibilidad completa de las aplicaciones impulsadas por ML
A diferencia de cualquier software, los modelos de IA y ML se basan tanto en el código y como en los datos subyacentes. Debido a que el mundo real cambia constantemente, los modelos que se desarrollan en función de datos estáticos pueden volverse irrelevantes o bien variar con el paso del tiempo, produciendo resultados menos precisos. El monitoreo del rendimiento de un modelo de ML en la producción es fundamental para continuar proporcionando experiencias relevantes para los clientes.
Al usar New Relic One para el monitoreo del rendimiento de los modelos de ML, sus equipos de desarrollo y data science podrán:
- Incorporar sus propios datos de ML o integrarse con las plataformas de data science y monitorear modelos de ML y las interdependencias con el resto de los componentes de la aplicación, incluyendo a la infraestructura, para resolver problemas con mayor rapidez.
- Crear dashboards personalizados que generan modelos de ML más fiables gracias a su perspectiva.
- Aplicar alertas predictivas a los modelos de ML a partir de Alertas y de la Inteligencia Aplicada de New Relic a fin de detectar cambios inusuales e incógnitas antes de que impacten a los clientes.
- Examinar los datos de telemetría de los modelos de ML en busca de señales críticas a fin de mantener los modelos de alto rendimiento.
- Colaborar en un entorno de producción y contextualizar alertas, notificaciones e incidentes antes de que tengan un impacto en el negocio.
- Acceder a los datos que permiten tomar decisiones basadas en ellos, por ejemplo, para impulsar la innovación, planificar las decisiones, aumentar la confiabilidad y mejorar la experiencia del cliente.
El monitoreo se está convirtiendo rápidamente en uno de los aspectos más importantes de las operaciones de aprendizaje automático (MLOps) y me da mucho gusto ver que New Relic ha lanzado su plataforma de observabilidad de Inteligencia Aplicada.
A medida que las empresas se expanden a casos de uso más complejos de IA/ML, la observabilidad de aplicaciones de ML de todo el stack debe ser un enfoque clave para cualquier equipo avanzado, y necesitan las herramientas adecuadas para hacer el seguimiento de sus modelos a medida que toman decisiones clave en la etapa de producción. En la AI Infrastructure Alliance, nos dedicamos a reunir los elementos indispensables para las aplicaciones de Inteligencia Artificial de hoy en día y del futuro, y nos complace asociarnos con New Relic para cumplir esta misión.
Obtenga valor inmediato de la telemetría de los modelos de ML
Con los 100 GB gratuitos al mes y las bibliotecas listas para usar, resulta fácil transferir en solo minutos los datos de inferencia y rendimiento de sus propios modelos de ML directamente de un notebook Jupyter o un servicio en la nube a New Relic para obtener métricas como los datos estadísticos y la distribución de características y predicciones.
Además, el ecosistema de código abierto de New Relic ofrece inicios rápidos y flexibles para que pueda comenzar a aprovechar los datos de los modelos de ML rápidamente. Una amplia gama de integraciones con las más destacadas plataformas como AWS SageMaker, DataRobot (Algorithmia), Aporia, Superwise, Comet, DAGsHub, Mona y TruEra incluyen dashboards de rendimiento preconfigurados, así como otros elementos fundamentales que proporcionan visibilidad inmediata de los modelos. Obtener valor de los datos de los modelos de ML nunca había sido tan fácil como lo es ahora con New Relic One.
Las recomendaciones o predicciones inexactas pueden costar millones a una compañía. El monitoreo del rendimiento de los modelos de New Relic permite que los equipos midan el rendimiento de los modelos de ML para conseguir la máxima rentabilidad.
Comience con el monitoreo del rendimiento del modelo de machine learning (ML).
Nuestro compromiso es hacer que la observabilidad se convierta en una práctica diaria para todos los ingenieros. Con el lanzamiento del monitoreo del rendimiento de los modelos de aprendizaje automático (ML) de New Relic, facilitamos una plataforma de observabilidad de datos unificada que permite que los equipos de Inteligencia Artificial/Machine Learning (AI/ML) y de DevOps cuenten con una visibilidad sin precedentes del rendimiento de sus aplicaciones impulsadas por el aprendizaje automático. Al reunir todo lo que se necesita en un solo lugar, New Relic lanza la observabilidad hacia el futuro.
Todas las integraciones disponibles para la observabilidad del monitoreo del rendimiento de los modelos de Machine Learning (ML) de New Relic forman parte del ecosistema de New Relic Instant Observability (Observabilidad Inmediata de New Relic), y próximamente habrá más.
Para más información sobre cómo incorporar la telemetría de los modelos de Machine Learnig (ML) en New Relic One, visite nuestra biblioteca de Python y observe un ejemplo de un modelo XGBoost, que incluye una explicación paso a paso de la integración.
Próximos pasos
Si desea más información sobre cómo configurar el Monitoreo de Rendimiento del modelo de Machine Learning (ML) de New Relic en su infraestructura, visite la página de documentación de MLOps.
Si aún no conoce New Relic, lo invitamos a registrarse y obtenga una cuenta gratuita a perpetuidad para que experimente New Relic One de primera mano.
Las opiniones expresadas en este blog son las del autor y no reflejan necesariamente las opiniones de New Relic. Todas las soluciones ofrecidas por el autor son específicas del entorno y no forman parte de las soluciones comerciales o el soporte ofrecido por New Relic. Únase a nosotros exclusivamente en Explorers Hub ( discus.newrelic.com ) para preguntas y asistencia relacionada con esta publicación de blog. Este blog puede contener enlaces a contenido de sitios de terceros. Al proporcionar dichos enlaces, New Relic no adopta, garantiza, aprueba ni respalda la información, las vistas o los productos disponibles en dichos sitios.
Este blog contiene declaraciones "prospectivas", tal como se define ese término en las leyes federales de valores, incluidas entre otras, las declaraciones sobre el futuro de IA/ML y las necesidades de observabilidad relacionadas. El logro o el éxito de las cuestiones cubiertas por dichas prospectivas se basa en los supuestos, expectativas y convicciones actuales de New Relic, y está sujeto a riesgos sustanciales, incertidumbres, asumsiones y cambios de circunstancias que pueden provocar que los resultados, el rendimiento y los logros reales de New Relic no sean los expresados o implícitos en las proyecciones a futuro. Para más información acerca de los factores que pueden afectar los resultados financieros y de otra clase de New Relic y las prospectivas en esta publicación, consulte los expedientes que New Relic envía a SEC periódicamente, así como el formulario 10-Q más reciente de New Relic, en específico los títulos “Factores de riesgo” y “Discusión y análisis de resultados de las operaciones y análisis de la situación financiera de la compañía”. Pueden obtenerse copia de estos documentos en el sitio web de New Relic Investor Relations, http://ir.newrelic.com, o en el sitio web de la SEC, www.sec.gov. New Relic no asume ninguna obligación de actualizar estas prospectivas, ni tiene previsto hacerlo, excepto cuando una ley lo requiera.
