Reentrenamiento de modelos

Proceso de actualizar un modelo de machine learning ya en producción, usando datos más recientes, para que refleje mejor las condiciones actuales.

MLOps

El reentrenamiento actualiza un modelo incorporando datos más recientes que reflejan mejor las condiciones actuales, ya sea reentrenándolo completamente desde cero o ajustándolo de forma incremental a partir del modelo existente, en respuesta a una degradación de su desempeño detectada en producción.

Cómo se decide cuándo reentrenar

Puede hacerse de forma programada (cada cierto período fijo de tiempo), o de forma reactiva, activándose automáticamente cuando el sistema de monitoreo detecta señales de model drift o data drift que superan un umbral aceptable de degradación.

Términos relacionados

Machine Learning

Model drift (deriva del modelo)

Fenómeno en el que el desempeño de un modelo en producción se degrada progresivamente con el tiempo, porque las condiciones del mundo real cambiaron respecto a cuando fue entrenado.

Leer más Ingeniería de Datos

Versionado de datos

Práctica de mantener un historial de los distintos estados de un conjunto de datos a lo largo del tiempo, permitiendo volver a una versión anterior si es necesario.