Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
8. Entrenamiento continuo
El entrenamiento continuo significa que el sistema de ML reentrena de manera automática y continua los modelos de machine learning para que se adapten a los cambios en los datos antes de volver a implementarlos. Entre los posibles desencadenantes para volver a crear se incluyen cambios en los datos, cambios en el modelo o cambios en el código.
8.1 Verificaciones: validación de las entradas del modelo |
Existen verificaciones para comprobar que la entrada de un modelo no se desvíe de un estándar determinado. La validación de entradas implica hacer pruebas funcionales durante la promoción del modelo. También implica verificar de manera inmediata las solicitudes de entrada, por ejemplo, mediante el uso de aserciones y tipos enumerados. |
8.2 Desencadenamiento del reentrenamiento: trabajos programados |
Esta es la manera más básica de automatización del entrenamiento. El reentrenamiento del modelo se establece según un programa (por ejemplo, cada semana). En este escenario, es probable que la automatización sea baja y que los resultados se revisen de manera manual y se comprueben al azar antes de la promoción del modelo. |
8.3 Desencadenamiento del reentrenamiento: datos nuevos de entrenamiento |
El reentrenamiento se inicia con un umbral de datos entrantes. El modelo puede volver a entrenarse desde cero o ejecutar las actualizaciones de manera incremental. Una vez que se dispone de una cantidad específica de datos, se inicia un trabajo de entrenamiento. |
8.4 Desencadenamiento del reentrenamiento: degradación del rendimiento del modelo |
Esta técnica utiliza la supervisión y la observabilidad para ejecutar el reentrenamiento del modelo y requiere un nivel avanzado de automatización. Por ejemplo, la precisión disminuye a partir de un rango determinado, lo que desencadena el reentrenamiento de un modelo en todos los datos o en parte de estos. |
8.5 Desencadenamiento del reentrenamiento: cambio en la distribución de los datos |
La supervisión del cambio en la distribución de los datos proporciona una manera de reentrenar el modelo cuando cambian sus datos subyacentes. Una infracción relacionada con un cambio de concepto o un cambio en la distribución de datos |
