Spark упрощает развертывание машинного обучения Некоторое время назад я написал сообщение Производство моделей машинного обучения , в котором упомянул стратегии развертывания моделей машинного обучения в производственной среде. Эта статья об одном из широко используемых подходов - пакетном прогнозировании с использованием Spark. Используя этот подход, вы можете запланировать задание для выполнения прогнозов в определенное время и вывода их в базу данных / файловые системы /..

Прогнозные модели также страдают от изменений, которые происходят с течением времени, и очень важно решать проблемы ухудшения качества модели при ее производственной реализации Введение: Изменения неизбежны, и ваша прогностическая модель не является исключением 😊 Когда производительность вашей модели со временем ухудшается, это называется дрейфом модели или распадом модели. В целом существует два типа дрейфа модели. 1. Дрейф концепции 2. Дрейф данных Движение концепции:..