, ML- , . ML-, , . - , , ML-.
, ( ).
Commençons par la raison la plus courante de la dégradation des métriques en production : les erreurs techniques . Par exemple, les prédictions du modèle dans les tests hors ligne et en production peuvent différer en raison de la différence dans le code utilisé pour prétraiter les images. Il existe des moyens simples de se protéger de cette honte :
- . (, , ) , . . : , - , ( – , – ).
- -. , -. , , -, , ML- .
- . , , ML-, , (, ). , , COVID-19 . , , . ( ).
— , . .
, (ROC-AUC = 0.53, ), . , ML- . , ML- - , , .
, . , , . , , , - . ML- Out-of-Distribution . , , ML-. .
. , , (, ). , (, ML- - ) . ML covariate shift concept drift.
, , ML- , . , , , , .
, , . ( , , ) , . , - . , , : .
, . -. - . ML- , , .
, . – , .
, ( ) ML- , - . ML- . -, , .
, ML- – ML-. , , :
- ( -, , )
- ML- Out-of-Distribution-
- ,
- , –