Domaine de connaissance
Questions du domaine
5 résultats
La dérive des données change les entrées vues par le robot, tandis que la dérive du concept change la relation entre ces entrées et la bonne réponse attendue.
Choisir un seuil d’alerte de dérive pour un modèle robotique consiste à relier une mesure de changement à une perte de performance ou à un risque acceptable.
Surveiller la qualité d’un modèle lorsque les étiquettes arrivent en retard consiste à suivre d’abord des indicateurs indirects, puis à relier les erreurs confirmées lorsqu’elles deviennent disponibles.
Lorsqu’une alerte de dérive touche une fonction critique, il faut limiter ou suspendre cette fonction, vérifier les données et organiser une décision humaine avant de poursuivre.
Surveiller la dérive par classe ou par contexte révèle les dégradations cachées par une moyenne qui mélange scènes faciles, rares et critiques.
Une question plus précise ?