Id-drift tal-mudell huwa t-tnaqqis gradwali fil-kwalità tat-tbassir ta' mudell waqt it-tħaddim, minħabba li r-realtà tinbidel meta mqabbla mad-data tat-taħriġ. Issir distinzjoni bejn bidliet fid-data tal-input (data drift) u bidliet fir-relazzjoni bejn l-inputs u r-riżultati (concept drift). Eżempju: mudell għall-identifikazzjoni tal-frodi ma jinnutax skemi ġodda ta' frodi. Ir-rimedji jinkludu monitoraġġ kontinwu tal-metriċi u taħriġ mill-ġdid regolari.
Aġenti, flussi tax-xogħol u mudelli fi spazju tax-xogħol wieħed – demo b'xejn għal 24 siegħa.
Ibda d-demoIr-robustezza tal-mudell tiddeskrivi kemm mudell tal-IA jaħdem b'mod affidabbli meta l-inputs ikunu storbjużi, mhux kompluti, mhux tas-soltu jew manipulati apposta. Mudell robust xorta jagħti riżultati stabbli, bħar-rikonoxximent ta' immaġini f'dawl ħażin jew mudell lingwistiku li jlaħħaq ma' żbalji tat-tipjar. Ir-robustezza tiġi evalwata permezz ta' ittestjar taħt stress, data tat-taħriġ diversa u testijiet kontra tentattivi deliberati ta' qerq, u hija partikolarment importanti f'applikazzjonijiet kritiċi għas-sigurtà.
Id-data tat-taħriġ hija l-eżempji li minnhom mudell tal-IA jitgħallem mudelli: kollezzjonijiet kbar ta' test għal mudelli lingwistiċi, immaġini ttikkettjati għal mudelli tal-immaġini. Il-kwalità, id-diversità u l-aġġornament tagħha jiddeterminaw ħafna kemm mudell ikun affidabbli u ġust u kemm l-għarfien tiegħu jkun aġġornat. Għall-organizzazzjonijiet huwa importanti wkoll jekk fornitur juża d-data tal-klijenti li jidħlu għal aktar taħriġ.
MLflow hija pjattaforma open-source għall-ġestjoni taċ-ċiklu sħiħ tal-ħajja tal-mudelli tat-tagħlim awtomatiku, introdotta oriġinarjament minn Databricks fl-2018. Tirreġistra l-esperimenti bil-parametri u l-metriċi tagħhom, tiġġestixxi l-verżjonijiet tal-mudelli f'reġistru u tissimplifika t-tqegħid fil-produzzjoni. Verżjonijiet aktar reċenti jappoġġjaw ukoll it-traċċar u l-evalwazzjoni ta' applikazzjonijiet mibnija fuq mudelli lingwistiċi. Għalhekk it-timijiet jistgħu jsegwu liema mudell ġie prodott b'liema data u b'liema issettjar.
L-eżattezza tiddeskrivi kemm-il darba mudell tal-IA jipproduċi riżultati korretti; l-istabbiltà tiddeskrivi kemm dik il-prestazzjoni żżomm b'mod affidabbli – b'inputs mibdula ftit, b'data ġdida jew maż-żmien. Mudell jista' jkun eżatt ħafna fit-testijiet iżda instabbli jekk sempliċi riformulazzjoni ta' mistoqsija twassal għal tweġiba differenti. Għall-użu fid-dinja reali, iż-żewġ proprjetajiet jiġu ċċekkjati b'każijiet ta' test fissi, validazzjoni inkroċjata u monitoraġġ kontinwu.
