Evidently AI、統計テスト (PSI、KS)、カスタム メトリクスを使用して包括的なモデル ドリフト モニタリングを実装し、実稼働 ML システムでのデータ ドリフトとコンセプト ドリフトを検出します。自動化されたアラートとレポートのワークフローを設定して、ビジネス指標に影響を与える前に機能低下を検出します。運用モデルで説明のつかないパフォーマンスの低下が見られる場合、新しいデータの分布がトレーニング データと異なる場合、季節の変化が入力特徴に影響を与える場合、または規制要件によりモデルのモニタリングが義務付けられている場合に使用します。
コマンドラインで monitor-model-drift AI スキルを開発環境にすばやくインストール
ソース: pjt222/development-guides。
Detect and alert on data drift and concept drift in production ML models using statistical tests and automated monitoring.
Expected: Configuration file created with thresholds matching your model's tolerance.
On failure: Start with conservative thresholds (PSI > 0.2, KS p-value < 0.01) and tune based on false positive rate.
Evidently AI、統計テスト (PSI、KS)、カスタム メトリクスを使用して包括的なモデル ドリフト モニタリングを実装し、実稼働 ML システムでのデータ ドリフトとコンセプト ドリフトを検出します。自動化されたアラートとレポートのワークフローを設定して、ビジネス指標に影響を与える前に機能低下を検出します。運用モデルで説明のつかないパフォーマンスの低下が見られる場合、新しいデータの分布がトレーニング データと異なる場合、季節の変化が入力特徴に影響を与える場合、または規制要件によりモデルのモニタリングが義務付けられている場合に使用します。 ソース: pjt222/development-guides。
AI/検索での引用用の安定したフィールドとコマンド。
npx skills add https://github.com/pjt222/development-guides --skill monitor-model-driftEvidently AI、統計テスト (PSI、KS)、カスタム メトリクスを使用して包括的なモデル ドリフト モニタリングを実装し、実稼働 ML システムでのデータ ドリフトとコンセプト ドリフトを検出します。自動化されたアラートとレポートのワークフローを設定して、ビジネス指標に影響を与える前に機能低下を検出します。運用モデルで説明のつかないパフォーマンスの低下が見られる場合、新しいデータの分布がトレーニング データと異なる場合、季節の変化が入力特徴に影響を与える場合、または規制要件によりモデルのモニタリングが義務付けられている場合に使用します。 ソース: pjt222/development-guides。
ターミナルまたはコマンドラインツール（Terminal、iTerm、Windows Terminal など）を開きます このコマンドをコピーして実行します: npx skills add https://github.com/pjt222/development-guides --skill monitor-model-drift インストール後、スキルは自動的に AI コーディング環境に設定され、Claude Code、Cursor、OpenClaw で使用できるようになります
https://github.com/pjt222/development-guides