Dérive de modèle

La dérive d'un modèle fait référence à la dégradation de la performance du modèle en raison de changements dans les données et les relations entre les variables d'entrée et de sortie. Il est relativement courant que la dérive du modèle ait un impact négatif sur une organisation au fil du temps, ou parfois de façon soudaine. Pour détecter et atténuer efficacement la dérive, les organisations peuvent surveiller et gérer les performances des modèles dans le cadre de la plateforme de données et d'IA. Cette approche intégrée des données et de l'IA peut vous permettre de :

• Suivre en continu les mesures et d'être informé de la dérive de l'exactitude et de la cohérence des données
• Définir des cibles et les suivre dans le développement, la validation et le déploiement
• Simplifier les étapes pour identifier les mesures métier affectées par la dérive du modèle
• Réduire l'impact de la dégradation du modèle en automatisant la surveillance de la dérive