Glossário IA
O dicionário completo da Inteligência Artificial
Model Lifecycle Management
Conjunto de processos e ferramentas para gerenciar o ciclo de vida completo de um modelo de aprendizado de máquina, desde sua concepção inicial até sua implantação em produção e sua desativação final. Esta abordagem sistemática garante a rastreabilidade, reprodutibilidade e manutenção contínua dos modelos ao longo de sua existência operacional.
Model Deployment
Processo de integração de um modelo de aprendizado de máquina em um ambiente de produção onde ele pode gerar previsões em tempo real ou em lote. Esta etapa crítica inclui a configuração da infraestrutura, a exposição das APIs e a implementação de mecanismos de escalabilidade automática.
Model Retraining
Processo de retreinamento periódico ou acionado de um modelo com novos dados para manter ou melhorar seu desempenho diante das evoluções nos padrões de dados. O retreinamento automático usa pipelines CI/CD adaptados ao machine learning para garantir a relevância contínua do modelo.
Continuous Deployment for ML
Automatização do processo de implantação de modelos de aprendizado de máquina em produção após validação bem-sucedida nos ambientes de teste. Esta prática permite entregar rapidamente melhorias nos modelos mantendo salvaguardas rigorosas para qualidade e segurança.
A/B Testing for Models
Metodologia experimental para comparar o desempenho de várias versões de modelos em produção direcionando parte do tráfego para cada versão. O teste A/B para modelos fornece métricas quantitativas objetivas para selecionar a melhor versão com base nos indicadores de desempenho de negócio.
Model Performance Metrics
Indicadores quantitativos que permitem avaliar a qualidade e eficácia de um modelo de aprendizado de máquina, incluindo precisão, recall, F1-score, AUC-ROC e métricas de negócio específicas. Estas medidas são essenciais para validação, monitoramento e seleção de modelos.
Model Retirement
Processo planejado de desativação de um modelo de aprendizado de máquina que se tornou obsoleto, ineficaz ou substituído por uma versão mais performática. A desativação do modelo inclui a migração de dependências, arquivamento de dados e comunicação às partes interessadas.
Model Validation
Processo rigoroso de avaliação de um modelo de aprendizado de máquina antes de sua implantação em produção para verificar seu desempenho, robustez e conformidade com os requisitos de negócio. A validação inclui testes em dados holdout, validação cruzada e avaliação de casos limites.
Empacotamento de Modelo
Processo de preparação de um modelo de aprendizado de máquina para implantação, criando um contêiner autônomo que inclui o modelo, suas dependências, configurações e APIs de inferência. O empacotamento garante a portabilidade e reprodutibilidade do modelo em diferentes ambientes de execução.
Staging de Modelo
Ambiente intermediário isolado onde os modelos são implantados para testes finais antes da sua entrada em produção, reproduzindo fielmente as condições operacionais. O staging permite validar as integrações, desempenhos e comportamentos do modelo em um contexto realista sem impactar os usuários finais.