Partie 3 · Projet
Épilogue : production et monitoring
La mise en production n'est pas la fin : on doit monitorer le modèle et les données pour détecter d'éventuelles problématiques.
| Phénomène | Définition du cours |
|---|---|
| Data drifting | Évolution de la distribution des données dans le temps |
| Model drifting | Baisse de la qualité du modèle dans le temps |
Réponse : mettre en place un processus de ré-entraînement du modèle.
Exemple hors cours : un modèle prédisant la consommation d'électricité voit un jour des habitudes changer (nouveaux équipements) : la distribution d'entrée bouge (data drift) et ses erreurs augmentent (model drift). Un test simple compare la moyenne récente à la moyenne d'entraînement.
Vérifie que tu as compris
La distribution des variables d'entrée change au fil des mois. C'est…