Posun modelu (model drift)
Posun modelu je postupný pokles přesnosti nasazeného modelu strojového učení, jak se data ze skutečného světa, která vidí, odchylují od dat, na nichž byl trénován. Stárnutí zařízení, změny procesů a nové podmínky jej všechny způsobují.
Průmyslový model trénovaný na minulém chování předpokládá, že budoucnost se podobá minulosti, ale provozy se mění: zařízení degraduje, suroviny kolísají, žádané hodnoty se posouvají a střídají se roční období. Jak se rozdělení živých dat vzdaluje od tréninkového rozdělení, predikce se stávají méně spolehlivými — jev známý jako posun. Jeho detekce vyžaduje monitoring výkonu modelu a statistik vstupů v čase a nápravy sahají od periodického přetrénovávání po plně automatizované přetrénovací pipeline v rámci MLOps.