Deriva de Modelo
A deriva de modelo é o declínio gradual da precisão de um modelo de aprendizagem automática implantado, à medida que os dados do mundo real que vê divergem dos dados com que foi treinado. O envelhecimento dos equipamentos, as alterações de processo e as novas condições causam-na todos.
Um modelo industrial treinado com o comportamento passado assume que o futuro se assemelha ao passado, mas as fábricas mudam: os ativos degradam-se, as matérias-primas variam, os pontos de regulação deslocam-se e as estações mudam. À medida que a distribuição dos dados em direto se afasta da distribuição de treino, as previsões tornam-se menos fiáveis — um fenómeno conhecido por deriva. Detetá-la exige monitorizar o desempenho do modelo e as estatísticas das entradas ao longo do tempo, e os remédios vão do retreino periódico a pipelines de retreino totalmente automatizados no âmbito do MLOps.