AI Model Yönetimi: Üretimde Versiyonlama ve Geri Alma
Üretimdeki yapay zekâ modelini versiyonlamak ve gerektiğinde geri almak neden önemli? Model, veri ve kod sürümlerini bir arada tutmanın yolunu anlatıyoruz.

Bir model güncellendiğinde aynı girdiye farklı cevap verebilir. Üretimde bu, dünkü rapor ile bugünkü raporun neden tutmadığı sorusuna dönüşür. Model yönetimi, hangi sürümün ne zaman, hangi veriyle ve hangi koda dayanarak çalıştığını bilmek ve gerektiğinde eskiye dönebilmektir.
Neyi sürümlemeli?
- Modelin kendisi: ağırlıklar ya da sağlayıcı tarafında model sürümü.
- Eğitim ya da ayar verisi: hangi tarihli veri anlık görüntüsüyle öğrendi?
- Kod ve girdi tanımları: özellikler, istem metinleri, dönüşüm kodu.
- Parametreler: eşikler, sıcaklık gibi ayarlar.
- Değerlendirme sonucu: sürümün hangi testten hangi puanla geçtiği.
Geri alma stratejisi
- Önceki sürüm her zaman çalıştırılabilir durumda kalsın.
- Yeni sürümü önce gölgede (sonuçlar kullanılmadan, yanında) çalıştırıp eskisiyle karşılaştırın.
- Geri almanın nasıl yapılacağını ve kimin karar vereceğini önceden yazın.
- Sağlayıcı kendi tarafında modeli değiştirirse bunu fark edecek bir kontrol (sabit bir örnek seti) tutun.
İzleme
Model üretimdeyken performansı zamanla bozulabilir; girdi verisi değişir ya da iş kuralı kayar. Düzenli olarak aynı örnek setinde ölçüm yapın ve sonucu kaydedin. Düşüş ilk işaret olarak sürüm değişikliği, ikinci olarak veri değişikliği sorgulanarak incelenir.
Floemdata'da durum
Floemdata Analytics bugün bir makine öğrenmesi modeli barındırmaz; model yönetimi bu yazıda genel bilgi olarak anlatılır, bir ürün özelliği değildir (doğrulanmadı). Yapay zekâ asistanı yol haritasındadır. Üründe sürümlenen şeyler ajan sürümü ve imzalı çıkarım kataloğudur, modeller değil.
Başlamak için kullandığınız her yapay zekâ aracı için sürümünü, ayarlarını ve bir kontrol örnek setini yazın. Sorularınız için: info@floemdata.com.