Skip to content

Maintenir la précision des modèles d'apprentissage automatique grâce à la surveillance

La dérive des modèles d'apprentissage automatique se produit au fur et à mesure que les données changent, mais un système de surveillance robuste permet de maintenir l'intégrité.

Échange à chaud des tables de production pour des remplissages sûrs des bases de données

Les modifications apportées aux tables de données peuvent perturber les systèmes de production qui doivent fonctionner 24 heures sur 24 et 7 jours sur 7. L'ingénierie de DoorDash explique comment échanger les tables à chaud afin de ne pas interférer avec les systèmes de production.

Appliquer le délai d'attente : Une méthodologie de fiabilité pour DoorDash

"Que se passerait-il si nous supprimions les délais d'attente des déclarations dans nos bases de données Postgresql ? C'est l'une des questions posées lors d'une réunion de direction.