A armadilha da divergência entre treinamento e serviço
Quando os dados no momento de servir deixam de corresponder aos dados de treinamento.
A armadilha da divergência entre treinamento e serviço é uma aula grátis de MLOps Academy no CoddyKit. Esta é a aula 1 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de MLOps Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de MLOps Academy inclui 4 aulas no total.
Partes desta aula ainda não foram traduzidas e aparecem em inglês.
What Skew Means
Training-serving skew is when the data your model sees in production no longer matches the data it learned from in training. 📉
Why It Hurts
Your model assumes serving data looks like training data. When that assumption breaks, predictions quietly get worse even though nothing crashes. This is skew.
Different Code Paths
A classic cause is two code paths: one script preps training data, a different one preps live requests. Tiny differences between them create skew.
A Mismatch You Can See
Here training scales by one mean but serving uses another. The model now receives numbers it never trained on, so its scaling is off.
# training
x = (raw - 50.0) / 10.0
# serving (wrong!)
x = (raw - 0.0) / 10.0Stale Features
Skew also appears when a feature is fresh at training but stale at serving, like an average computed yesterday instead of right now.
The Same Bug, Both Sides
The safest fix is sharing one function for both paths. If a bug exists, at least it exists identically in training and serving, so no skew creeps in.
def make_features(raw):
return (raw - 50.0) / 10.0
# call from training AND servingSchema Skew
Schema skew happens when a column changes type or name between training and serving, like an int becoming a string. The model silently misreads it.
Feature Order Matters
Many models read features by position, not by name. Swap two columns at serving time and you get a quiet, dangerous order mismatch.
Catch It With Checks
A simple guard: assert the serving input has the same columns the model was trained on. Catch skew at the door, not in the dashboard.
assert list(request.columns) == model.feature_names_in_.tolist()Feature Stores Help
A feature store computes features once and serves them to both training and inference, which removes a whole class of skew bugs by design.
Log and Compare
Log a sample of real serving inputs and compare their stats to your training set. A gap in means or ranges is an early skew warning.
Quick Check
Which choice best removes training-serving skew?
Recap
Skew is silent mismatch between training and serving data. Share feature code, check schemas, and log live inputs to keep your model honest. ✅
Perguntas Frequentes
A aula “A armadilha da divergência entre treinamento e serviço” é grátis?
Sim — o texto completo de “A armadilha da divergência entre treinamento e serviço” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de MLOps Academy, atualize para CoddyKit PRO. O curso de MLOps Academy inclui 4 aulas no total.
O que vou aprender em “A armadilha da divergência entre treinamento e serviço”?
Quando os dados no momento de servir deixam de corresponder aos dados de treinamento. Você pratica MLOps Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar MLOps Academy?
Nenhuma experiência prévia é necessária. MLOps Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 1 de 4.
Quanto tempo leva a aula “A armadilha da divergência entre treinamento e serviço”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de MLOps Academy?
Sim. Cada aula de MLOps Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- A armadilha da divergência entre treinamento e serviço
- Falhas silenciosas: sem travamento, respostas erradas
- Quando o mundo muda sob seu modelo
- O problema da reprodutibilidade