Бывало ли у вас такое, что модель работала отлично, а потом внезапно начала терять качество?

Главная ошибка в такой ситуации – сразу же запускать переобучение, потому что в продакшене деградация модели может быть связана с разными причинами: изменились входные данные, поменялось поведение пользователей, появились новые бизнес-сценарии или проблема вообще не в модели.

У нас на YouTube, в ВК и Дзен вышло видео, где Александр Дубейковский (ML Engineer в Avito, ex-Yandex, эксперт MLinside) разбирает одну из самых важных тем для ML-инженеров – Data Drift и Concept Drift.

Вы узнаете, чем отличается изменение распределения данных от изменения самой зависимости между признаками и целевой переменной, как эти проблемы проявляются в реальных ML-системах и почему автоматический retraining часто не решает проблему, а иногда даже ухудшает ситуацию.

Кому будет полезно видео:
▪️ML-инженерам и Data Scientists
▪️Специалистам, работающим с продакшн-моделями
▪️Студентам и начинающим специалистам в ML
▪️AI Engineers и MLOps-инженерам
▪️Всем, кто хочет лучше понимать жизненный цикл ML-моделей

Нашли себя в этом списке? Тогда велком на удобную для вас платформу:
https://youtu.be/ix3XCTglkIc
https://vkvideo.ru/video-228219607_456239233
https://dzen.ru/video/watch/6a214c829804be60200348e1