Data drift (dryf danych) to zjawisko w uczeniu maszynowym, polegające na zmianie właściwości statystycznych danych wejściowych w czasie, co sprawia, że przestają one odpowiadać danym użytym do trenowania modelu. Prowadzi to do stopniowego spadku dokładności i wiarygodności przewidywań modelu w środowisku produkcyjnym, ponieważ wyuczone wcześniej wzorce przestają być aktualne. Monitorowanie tego zjawiska jest kluczowe dla utrzymania skuteczności systemów AI i wymaga regularnego douczania modeli na nowych danych.
📖 Dowiedz się więcej w kontekście:
Reklama
