Модель показує добру якість під час офлайн-оцінювання, але після зміни нормалізації ознак на етапі інференсу якість у робочому середовищі погіршилась. Який підхід найкраще зменшує ризик training-serving skew у конвеєрах на кшталт TFX?

Question

Answer

Винести перетворення ознак у спільний артефакт перетворення, який однаково використовується і під час навчання, і під час інференсу.

Answer

Додати canary-розгортання нової версії препроцесингу та зупиняти реліз при погіршенні онлайн-метрик.

Answer

Підвищити частоту перенавчання моделі, щоб вона швидше адаптувалася до нових статистичних властивостей ознак.

Answer

Запровадити суворіші unit- і integration-тести для коду перетворення ознак у сервісному компоненті.

Crowdly

Модель показує добру якість під час офлайн-оцінювання, але після зміни нормаліза...

Хочете миттєвий доступ до всіх перевірених відповідей на vns.lpnu.ua?