Slovník výrazov AI/MLOps a nasadenie

MLOps a nasadenie

kontinuálne trénovanie

Anglický výraz continuous training

základnéheslo č. 9645 otázok a odpovedí2 odborné zdroje

Presná definícia

Čo znamená kontinuálne trénovanie?

Kontinuálne trénovanie je automatizované vytváranie nového kandidáta pri nových dátach, zmene výkonu alebo plánovanom intervale. Neznamená automatické nasadenie: každý kandidát musí prejsť dátovými, modelovými a prevádzkovými bránami proti aktuálnej referencii.

Skúsenosť a kontext

Ako sa pojem používa v praxi

Model dopytu sa mesačne pretrénuje na uzavretom časovom okne. Pipeline nový model zaregistruje iba vtedy, ak zlepší váženú chybu, nezhorsí kritické regióny a prejde testom latencie; nasadenie sa schvaľuje zvlášť.

Overiteľnosť

Odborné zdroje

  1. Google Cloud - MLOps: Continuous delivery and automation pipelines in MLcloud.google.com
  2. Kreuzberger et al. - Machine Learning Operations (MLOps): Overview, Definition, and Architecturearxiv.org

Praktické odpovede

Často kladené otázky

Ako funguje kontinuálne trénovanie?

Trigger spustí verziovaný tréning, vyhodnotí kandidáta proti baseline a výsledok odovzdá do registra.

Kedy má kontinuálne trénovanie praktický význam?

Model dopytu sa mesačne pretrénuje na uzavretom časovom okne.

S čím si pojem nezamieňať?

Kontinuálne trénovanie pravidelne vytvára kandidátov; online učenie mení parametre priebežne počas prijímania udalostí.

Ako sa výsledok kontroluje?

Kontroluje sa dôvod spustenia, kvalita nových štítkov, porovnateľnosť testu, reprodukcia, regresné brány a frekvencia zmien.

Na čo si dať pozor?

Automatický cyklus môže preučiť model na oneskorených, skreslených alebo vlastným rozhodnutím ovplyvnených dátach.