Přetrénování modelu strojového učení

MLOps Concepts

Folkert Stijnman

ML Engineer

Přetrénování po změnách

 

Přetrénování: použití nových dat k vytvoření nové verze modelu strojového učení

Drift v datech

Datový drift

Datový drift: změny ve vstupních datech

Konceptový drift

Konceptový drift: změny ve vztahu mezi vstupními a výstupními daty

Jak často přetrénovat?

• Obchodní prostředí: jak volatilní jsou data?
• Náklady: jak vysoké jsou náklady na přetrénování?
• Obchodní požadavky: jaký výkon modelu je vyžadován?

Metody přetrénování

Metody přetrénování

Automatické přetrénování

Pojďme si procvičit!

MLOps Concepts