University of Texas at Austin（得克萨斯大学奥斯汀分校）

Optimal Resource Allocation for ML Model Training and Deployment under Concept Drift

在概念漂移下为ML模型训练和部署进行最优资源分配

Hasan Burhan Beytur, Haris Vikalo, Kevin S Chan, Gustavo de Veciana

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Devcom Army Research Laboratory（陆军研发实验室） 纠错

AI总结 本文提出了一种模型无关框架，研究在概念漂移和有限预算下如何通过最优资源分配提高ML模型训练和部署效率，证明了在不同分布下最优策略与启发式方法的差异。