¿Por qué un modelo entrenado no es el final de un proyecto de ML?
Opciones
- Porque los resultados del entrenamiento son aleatorios y no son fiables
- Porque los datos del mundo real cambian, así que el modelo hay que desplegarlo, monitorizarlo y actualizarlo (Opción correcta)
- Porque los modelos dejan de funcionar tras un número fijo de días
- Porque un modelo no se puede guardar en un archivo
Respuesta
Porque los datos del mundo real cambian, así que el modelo hay que desplegarlo, monitorizarlo y actualizarlo
Por qué
Un modelo se entrena con una foto del pasado. Los clientes, los precios, los sensores y los patrones de fraude siguen cambiando, así que su calidad puede caer sin que cambie el código.
Lanzarlo es el comienzo del trabajo: servirlo, vigilarlo y reentrenarlo cuando haga falta.
Ningún modelo tiene fecha de caducidad incorporada; lo que se mueve son los datos que lo rodean.
Recuerda
El mundo cambia, así que el modelo necesita cuidados tras el lanzamiento.