Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
Analise as seguintes afirmativas, em relação aos riscos que as práticas de MLOps buscam...
Analise as seguintes afirmativas, em relação aos riscos que as práticas de MLOps buscam mitigar.
I. Ocorre quando há uma discrepância entre o desempenho do modelo durante o treinamento e a inferência, frequentemente devido a diferenças na manipulação dos dados.
II. Ocorre quando informações de fora do conjunto de dados de treinamento são usadas para criar o modelo, levando a um desempenho enganosamente alto.
III. Ocorre quando há alteração no desempenho do modelo ao longo do tempo, causada pela evolução dos padrões subjacentes dos dados.
Os riscos referem-se, respectivamente, aos conceitos de:
A
Model drift (I), Data leakage (II), Training-serving skew (III).
B
Target Leakage (I), Training-serving skew (II), Look-ahead Bias (III).
C
Look-ahead Bias (I), Data Drift (II), Target Leakage (III).
D
Training-serving skew (I), Data leakage (II), Model drift (III).
E
Data leakage (I), Training-serving skew (II), Data Drift (III).