Técnicas para detectar y corregir el data drift

En Machine Learning, es esencial saber cómo mantener el rendimiento de un modelo en producción a lo largo del tiempo. Un reto habitual es el data drift, que ocurre cuando cambia la distribución de los datos de entrada. El data drift puede provocar una disminución del rendimiento del modelo y predicciones inexactas.

¿Cuáles son los pasos adecuados para detectar y corregir el data drift en modelos de Machine Learning? (Selecciona todas las que correspondan).