As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
8. Treinamento contínuo
O treinamento contínuo significa que o sistema de ML retreina automaticamente e continuamente os modelos de aprendizado de máquina para se adaptarem às mudanças nos dados antes de serem reimplantados. Os possíveis gatilhos para reconstrução incluem alterações de dados, mudanças de modelo ou alterações de código.
8.1 Verificações: validação da entrada do modelo |
Existem verificações para verificar se a entrada de um modelo não se desvia de um determinado padrão. A validação de entrada significa executar testes funcionais durante a promoção do modelo. Isso também significa ter uma verificação imediata das solicitações de entrada, como o uso de asserções e tipos enumerados. |
8.2 Acionamento de reciclagem: trabalhos agendados |
Essa é a forma mais básica de automação de treinamento. A reciclagem do modelo é definida em um cronograma (por exemplo, toda semana). Nesse cenário, a automação provavelmente é baixa, com uma revisão manual e uma verificação pontual dos resultados antes da promoção do modelo. |
8.3 Acionamento do retreino: novos dados de treinamento |
A reciclagem é iniciada por um limite de dados recebidos. O modelo pode se retreinar do zero ou executar atualizações de forma incremental. Com uma quantidade específica de dados em vigor, um trabalho de treinamento começa. |
8.4 Acionamento de retreinamento: degradação do desempenho do modelo |
Essa técnica usa monitoramento e observabilidade para executar o treinamento de modelos e requer um nível maduro de automação. Por exemplo, a precisão diminui em relação a um determinado intervalo, o que atua como um gatilho para retreinar um modelo em todos ou em parte dos dados. |
8.5 Acionamento de retreinamento: mudança de distribuição de dados |
O monitoramento da mudança de distribuição de dados fornece uma maneira de definir acionadores para treinar novamente o modelo quando seus dados subjacentes mudam. Uma violação estabelecida emmudança de conceito ou mudança de distribuição de dados |