Deriva del modelo
La deriva del modelo es el declive gradual de la precisión de un modelo de aprendizaje automático desplegado a medida que los datos reales que ve divergen de los datos con los que se entrenó. El envejecimiento de los equipos, los cambios de proceso y las nuevas condiciones la provocan.
Un modelo industrial entrenado con el comportamiento pasado asume que el futuro se parecerá al pasado, pero las plantas cambian: los activos se degradan, las materias primas varían, las consignas se desplazan y las estaciones cambian. A medida que la distribución de los datos en vivo se aleja de la de entrenamiento, las predicciones se vuelven menos fiables, un fenómeno conocido como deriva. Detectarla requiere monitorizar el rendimiento del modelo y las estadísticas de entrada a lo largo del tiempo, y los remedios van desde el reentrenamiento periódico hasta canalizaciones de reentrenamiento totalmente automatizadas dentro del MLOps.