MLOps在金融产业：系统再现

再现性是指在这个模型产生出来以後，由不同的开发者或利益相关者，重新创建相同 ML 模型的能力。这其中牵涉到同时减少过程中涉及的随机性。透过重现来验证端到端的开发过程，并提供用於最终会上线版本的模型必经过程，以满足监管要求。讲得更夸张一点就是，“让一个不懂ML的工程师来跑这些程序码，也要能获得一样的结果。”

在前面的系统监管，我们已经提过要让系统经得起第三方的审查，所有资料的重现都是重要的。

＊图片来源：MLOPS: TRACKING AND APPROVING MODELS

显示了进阶的模型沿袭(model lineage)，包括以下步骤来审核模型的预测。

首先我们需要知道在推理过程中使用了什麽程序码：

• 生成的每个物件(像是整理过的资料、模型)都需要一个版本号
• 每个预测都需要使用该版本号纪录

对於版本化的物件或模型，您需要从创建它的训练中了解以下内容：

• 用於训练的超参数和设置
• 程序码在Git管理中的位置及其修订版
• 演算法、框架和任何其他依赖的版本号
• 资料集需要进行版本控制并存储在允许检索的地方。可以使用 SageMaker Feature Store、Dynamo DB 或 S3储存。
• 批准过程可以是自动的或手动的，提供对模型是否获得批准以及谁批准的清晰审计

资料集本身：

• 数据来源
• 处理资料的程序码，例如处理缺失数据