Risques du développement ML · Question 42 sur 60
Après une mise à jour de PyTorch, le même modèle avec les mêmes données fournit des résultats différents. Quel risque est présent, et quelles mesures d'atténuation conviennent ?
2 réponses sont correctes. Difficile Créé avec l’IA
Afficher la solution
Solution
- B Risque : un défaut dans une bibliothèque utilisée par le framework
- D Mesures d'atténuation : test de performance fonctionnelle du ML et test back-to-back
Explication
Un défaut dans une bibliothèque utilisée par le framework, par exemple PyTorch, est un risque typique du développement ML. Le test de performance fonctionnelle du ML et le test back-to-back aident à y remédier ; un test back-to-back peut comparer les résultats de l'ancienne et de la nouvelle version.