Drift del modello
La perdita graduale di accuratezza di un modello in produzione, perché i dati che vede non corrispondono più a quelli con cui è stato addestrato.
Il drift del modello (model drift) assume due forme principali. Il drift dei dati si verifica quando cambiano gli input: un sensore invecchia, una telecamera viene spostata, sulla linea passa un nuovo mix di prodotti. Il drift concettuale si verifica quando cambia la relazione tra gli input e l’obiettivo, per esempio dopo la revisione di una macchina la cui firma vibrazionale in buone condizioni si sposta. In entrambi i casi un modello che funzionava bene al lancio inizia a perdere eventi o a generare falsi allarmi.
Il drift è il motivo principale per cui esistono le pratiche MLOps per le flotte IoT: monitorare le distribuzioni degli input e i tassi di previsione, confrontarli con la verità sul campo dove disponibile, e riaddestrare a scadenze fisse o su evento. I modelli di rilevamento delle anomalie sono particolarmente esposti, perché ciò che conta come normale cambia con le stagioni e le modalità operative. Il riaddestramento richiede poi un percorso affidabile di aggiornamento OTA verso i dispositivi.
Parte del Glossario IoT. Hai trovato un errore o manca un termine? Scrivici.