Γλωσσάριο

Απόκλιση μοντέλου

Τι είναι Απόκλιση μοντέλου;

Η απόκλιση μοντέλου (model drift) είναι η σταδιακή πτώση της ποιότητας πρόβλεψης ενός μοντέλου κατά τη λειτουργία, επειδή η πραγματικότητα αλλάζει σε σχέση με τα δεδομένα εκπαίδευσης. Διακρίνονται οι αλλαγές στα δεδομένα εισόδου (data drift) και οι αλλαγές στη σχέση μεταξύ εισόδων και αποτελεσμάτων (concept drift). Παράδειγμα: ένα μοντέλο ανίχνευσης απάτης δεν εντοπίζει νέα σχήματα απάτης. Τα διορθωτικά μέτρα περιλαμβάνουν τη συνεχή παρακολούθηση μετρικών και την τακτική επανεκπαίδευση.

Θέματα

MLOps
ποιότητα μοντέλου
παρακολούθηση

Δοκιμάστε το KI.ordo

Πράκτορες, ροές εργασιών και πρότυπα σε έναν χώρο εργασίας – δωρεάν επίδειξη 24 ωρών.

Έναρξη επίδειξης

← Όλοι οι όροι

Σχετικοί όροι

Ανθεκτικότητα μοντέλου

Η ανθεκτικότητα μοντέλου περιγράφει πόσο αξιόπιστα λειτουργεί ένα μοντέλο ΤΝ όταν οι είσοδοι έχουν θόρυβο, είναι ελλιπείς, ασυνήθιστες ή έχουν χειραγωγηθεί σκόπιμα. Ένα ανθεκτικό μοντέλο εξακολουθεί να παράγει σταθερά αποτελέσματα, όπως η αναγνώριση εικόνας σε κακό φωτισμό ή ένα γλωσσικό μοντέλο που χειρίζεται ορθογραφικά λάθη. Η ανθεκτικότητα αξιολογείται με δοκιμές καταπόνησης, ποικίλα δεδομένα εκπαίδευσης και δοκιμές απέναντι σε σκόπιμες απόπειρες παραπλάνησης, και είναι ιδιαίτερα σημαντική σε εφαρμογές κρίσιμες για την ασφάλεια.

αξιοπιστία
ποιότητα μοντέλου
+1

Δεδομένα εκπαίδευσης

Τα δεδομένα εκπαίδευσης είναι τα παραδείγματα από τα οποία ένα μοντέλο ΤΝ μαθαίνει πρότυπα: μεγάλες συλλογές κειμένων για γλωσσικά μοντέλα, εικόνες με ετικέτες για μοντέλα εικόνας. Η ποιότητα, η ποικιλία και η επικαιρότητά τους καθορίζουν σε μεγάλο βαθμό πόσο αξιόπιστο και δίκαιο είναι ένα μοντέλο και πόσο ενημερωμένες θα είναι οι γνώσεις του. Για τους οργανισμούς έχει επίσης σημασία αν ένας πάροχος χρησιμοποιεί τα δεδομένα πελατών που εισάγουν για περαιτέρω εκπαίδευση.

Δεδομένα
Training
+1

MLflow

Το MLflow είναι μια πλατφόρμα ανοικτού κώδικα για τη διαχείριση ολόκληρου του κύκλου ζωής μοντέλων μηχανικής μάθησης, που παρουσιάστηκε αρχικά από τη Databricks το 2018. Καταγράφει πειράματα με τις παραμέτρους και τις μετρικές τους, διαχειρίζεται εκδόσεις μοντέλων σε ένα μητρώο και απλοποιεί την ανάπτυξη σε παραγωγή. Οι πιο πρόσφατες εκδόσεις υποστηρίζουν επίσης την ιχνηλάτηση και την αξιολόγηση εφαρμογών που βασίζονται σε γλωσσικά μοντέλα. Έτσι οι ομάδες μπορούν να εντοπίσουν ποιο μοντέλο παρήχθη με ποια δεδομένα και ποιες ρυθμίσεις.

MLOps
ανοικτός κώδικας
+1

Ακρίβεια και σταθερότητα μοντέλων ΤΝ

Η ακρίβεια περιγράφει πόσο συχνά ένα μοντέλο ΤΝ παράγει σωστά αποτελέσματα· η σταθερότητα περιγράφει πόσο αξιόπιστα διατηρείται αυτή η απόδοση – με ελαφρώς τροποποιημένες εισόδους, με νέα δεδομένα ή με την πάροδο του χρόνου. Ένα μοντέλο μπορεί να είναι πολύ ακριβές στις δοκιμές αλλά ασταθές, αν ήδη η αναδιατύπωση μιας ερώτησης οδηγεί σε διαφορετική απάντηση. Για πραγματική χρήση, και οι δύο ιδιότητες ελέγχονται με σταθερές περιπτώσεις δοκιμής, διασταυρούμενη επικύρωση και διαρκή παρακολούθηση.

ποιότητα μοντέλου
Ανθεκτικότητα
+1