Risiken von ML-Modellen · Frage 41 von 60
Nach einem Modell-Update meldet ein Team: Das neue Modell stürzt direkt nach der Bereitstellung ab, und in einer anderen Version funktionieren früher korrekte Fälle nicht mehr. Welche Gegenmaßnahmen passen zu diesen beiden Risiken?
2 Antworten sind richtig. Schwer
Lösung anzeigen
Lösung
- A Smoke-Test gegen den sofortigen Ausfall nach der Bereitstellung
- B Regressionstest gegen die Regression nach der Bereitstellung
Erklärung
Smoke-Tests helfen gegen das Risiko, dass die Bereitstellung eines aktualisierten Modells einen sofortigen Ausfall verursacht, und Regressionstests gegen eine durch die Bereitstellung verursachte Regression. Drift-Tests richten sich gegen Daten- und Konzeptdrift im Betrieb.