Riesgos del desarrollo de ML · Pregunta 42 de 60
Tras una actualización de PyTorch, el mismo modelo con los mismos datos entrega resultados distintos. ¿Qué riesgo está presente y qué mitigaciones encajan?
2 respuestas son correctas. Difícil Creado con IA
Mostrar solución
Solución
- B Riesgo: un defecto en una biblioteca utilizada por el framework
- D Mitigaciones: pruebas de rendimiento funcional del ML y pruebas back-to-back
Explicación
Un defecto en una biblioteca utilizada por el framework, por ejemplo PyTorch, es un riesgo típico del desarrollo de ML. Las pruebas de rendimiento funcional del ML y las pruebas back-to-back ayudan contra él; una prueba back-to-back puede comparar los resultados de la versión antigua y la nueva.