实体
concept drift
concept drift
PulseAugur coverage of concept drift — every cluster mentioning concept drift across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新研究应对影响机器学习检测的不断变化的钓鱼策略
一篇新研究论文探讨了概念漂移如何影响用于检测网络钓鱼邮件的机器学习模型。该研究旨在评估随着网络钓鱼策略的演变，这些系统的性能下降情况，并提出缓解策略。该论文强调了网络钓鱼攻击日益增长的复杂性以及电子邮件垃圾邮件过滤器在保护用户方面发挥的关键作用。
-
数据漂移的静默风险是最大的ML生产风险
机器学习中最关键的生产故障通常不为人知，因为它们不会触发错误警报。这些静默的数据漂移会在被检测到之前影响用户。本文讨论了如何在造成重大问题之前识别这些细微问题。
-
MLOps 扩展 DevOps 以管理 AI 生产中的数据、模型和漂移
MLOps 扩展了传统的 DevOps 实践，以管理机器学习模型的复杂性，这些模型会因数据漂移而随时间退化。与主要对代码进行版本控制的 DevOps 不同，MLOps 必须同时管理代码、数据集和模型工件。成功的 MLOps 实施涉及三层模型：用于代码推广的 DevOps 工具、用于训练和部署的 ML 编排器以及用于关闭反馈循环以进行持续再训练的监控层。