ML-modeller omvandlar verksamheten inom nästan alla sektorer, allt från medicinsk diagnos till produktionslinjer. Men hur kan vi öka robustheten hos dessa modeller för att hantera dataavdrift mellan träningsdata och produktionsdata?
Svaret ligger i Domänanpassning, tillämpningen av tränade algoritmer från en eller flera källdomäner till en måldomän med samma funktion eller egenskaper men olika datadistributioner.
I det här faktabladet diskuteras hur du använder domänanpassning för att skapa robusta Machine Learning-modeller som är mindre mottagliga för dataavdrift och fungerar bra i produktionsinställningarna även om datadistributionen ändras
Ladda ner vitboken
Lär dig hur du använder Domänanpassning för att skapa robusta Machine Learning modeller som är mindre mottagliga för dataavdrift.