ixp
latest
false
- はじめに
- アクセス制御と管理
- ソースとデータセットを管理する
- モデルのトレーニングと保守
- 生成 AI による抽出
- 分析と監視を使用する
- オートメーションと Communications Mining™
- 開発者
- 機械が単語を理解する方法:NLPに埋め込むためのガイド
- トランスフォーマーによるプロンプトベースの学習
- 効率的な変圧器II:知識蒸留と微調整
- 効率的な変圧器I:注意メカニズム
- 階層的な教師なしインテントモデリング:トレーニングデータなしで価値を得る
- Communications Mining™ でアノテーションの偏りを修正する
- アクティブ ラーニング: より優れた ML モデルを短時間で実現
- それはすべて数字にあります-メトリックを使用してモデルのパフォーマンスを評価します
- モデルの検証が重要な理由
- 対話データ分析 AI としての Communications Mining™ と Google AutoML を比較する
- ライセンス
- よくある質問など

Communications Mining ガイド
最終更新日時 2025年10月6日
予測分析とマシン ラーニングでは、「概念ドリフト」 (または「データ ドリフト」) という用語は、モデルが予測しようとしている、対象の変動要素のプロパティ (つまり、各ラベルの基となるテーマと概念) が時間とともに予期しない形で変化することを意味します。
基本的に、最新のデータがデータセットに取り込まれていくと、時間とともに、データセットと、モデルがトレーニングされた元のデータとの違いが次第に大きくなっていきます。
これによって問題が発生します。時間とともに予測の精度が低下し、モデルが予測しようとしている変動要素とトレーニング データとの違いが次第に大きくなっていくからです。
概念ドリフトは、運用環境のユース ケースで使用するモデルを適切に保守することが重要である主な理由の 1 つです。たとえば、自動化を実現するには、定期的に少量の例外でトレーニングします。