Monitoramento de drift em modelos de ML em produção
Modelos de machine learning implantados em produção enfrentam um desafio fundamental: o mundo real muda constantemente. O drift refere-se à degradação silenciosa do desempenho de um modelo causada por mudanças na distribuição dos dados ou na relação entre as variáveis preditoras e a variável alvo ao longo do tempo.