เทคนิคสำหรับการตรวจจับและแก้ไข data drift
ในด้าน machine learning การรักษาประสิทธิภาพของโมเดลที่ deploy แล้วให้คงอยู่ในระยะยาวเป็นสิ่งสำคัญ ความท้าทายที่พบบ่อยคือ data drift ซึ่งเกิดขึ้นเมื่อการกระจายตัวของข้อมูล input เปลี่ยนแปลงไป data drift อาจทำให้ประสิทธิภาพของโมเดลลดลงและการทำนายผลคลาดเคลื่อนได้
ขั้นตอนใดที่เหมาะสมสำหรับการตรวจจับและแก้ไข data drift ในโมเดล machine learning (เลือกทุกข้อที่ถูกต้อง)
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning แบบ End-to-End
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำจริง
เปลี่ยนทฤษฎีให้เป็นการลงมือทำด้วยแบบฝึกหัดเชิงโต้ตอบหนึ่งในของเรา
เริ่มแบบฝึกหัด