Model Drift (deriva del modello)
Il model drift è il graduale calo di accuratezza di un modello di machine learning in esercizio, man mano che i dati reali che esso incontra divergono da quelli su cui è stato addestrato. L'invecchiamento delle apparecchiature, le modifiche di processo e le nuove condizioni ne sono tutte cause.
Un modello industriale addestrato sul comportamento passato presuppone che il futuro assomigli al passato, ma gli stabilimenti cambiano: gli asset si degradano, le materie prime variano, i set-point si spostano e le stagioni si avvicendano. Man mano che la distribuzione dei dati in tempo reale si allontana da quella di addestramento, le previsioni diventano meno affidabili — un fenomeno noto come deriva. Rilevarlo richiede di monitorare nel tempo le prestazioni del modello e le statistiche degli input, e i rimedi spaziano dal riaddestramento periodico a pipeline di riaddestramento completamente automatizzate all'interno dell'MLOps.