محقق نموذج ML

يحلل محقّق نموذج ML تنبؤات النموذج مقابل الحقيقة الأرضية لتقييم الموثوقية والعدالة. يحسب مقاييس الأداء الأساسية (الدقة، الدقة النوعية، الاسترجاع، F1، ROC-AUC)، ويكشف انزياحات البيانات باستخدام اختبارات PSI و KS، ويقيّم جودة المعايرة. يمكن تكوين حدود لكل مقياس ولكل سيناريو، ويمكن تلخيص النتائج حسب شرائح البيانات مثل نافذة زمنية أو مجموعة سمات. يدعم المدخلات على دفعات وتدفقات، ويمكنه التحقق عبر توزيعات مختلفة وفترات زمنية. ينتج إشارات الانحراف، أخطاء المعايرة ودرجات العدالة لمساعدة فرق الحوكمة في رصد المخاطر قبل الإنتاج. يتم التعامل مع القيم المفقودة بشكل قوي؛ يمكن تعريف مقاييس مخصصة؛ والنتائج صالحة للوحة القيادة والاختبارات الآلية. يعزز التكرار عبر مدخلات مُصدّرة ومسار بيانات قابل للتحقق. حالات الاستخدام تشمل تحقق قبل الإصدار، ومراقبة بعد الإطلاق، وتدقيق الامتثال الذي يطلب تقييمًا كميًا ثابتًا. القيمة الفريدة تأتي من تحليلات الانحراف والتحيز المدمجة، إضافة إلى إشارات التفسير التي تسهل التحقيق في الأسباب ووضع خطط الإصلاح. الوظائف الأساسية: حساب المقياس، اكتشاف الانحراف، تقييم المعايرة، تحليل العدالة وتوليد التقارير، مع وصلات تكامل لـ CI/CD ومنصات البيانات. بشكل مفهومي، تعتبر كل عملية تقييم سجلًا قابلًا لإعادة الإنتاج ومُصدَّرًا بمكان: إدخالات، طوابع زمنية، معرّفات النموذج، وشرائح البيانات مُسجّلة لضمان قابلية التتبع.