Sehen Sie sich die folgenden Optionen an.

Welche der folgenden Aussagen zum dynamischen (Online-)Training trifft zu?

Das Modell bleibt über neue Daten auf dem Laufenden.

Dies ist der Hauptvorteil des Onlinetrainings. Wir können viele Veralterungsprobleme vermeiden, indem wir dem Modell erlauben, mit neuen Daten zu trainieren.

Es müssen nur sehr wenige Trainingsjobs überwacht werden.

Sie müssen Trainingsjobs kontinuierlich überwachen, um sicherzustellen, dass sie fehlerfrei sind und wie vorgesehen funktionieren. Außerdem müssen Sie eine Infrastruktur unterstützen, z. B. die Möglichkeit, ein Modell auf einen vorherigen Snapshot zurückzusetzen, falls beim Training ein Fehler auftritt, z. B. ein fehlerhafter Job oder eine Beschädigung von Eingabedaten.

Bei der Inferenz müssen sehr wenige Eingabedaten überwacht werden.

Genau wie ein statisches Offline-Modell ist es auch wichtig, die Eingaben für die dynamisch aktualisierten Modelle zu überwachen. Wahrscheinlich sind wir nicht durch große saisonale Auswirkungen gefährdet, aber plötzlich können große Änderungen an Eingaben (z. B. nachgelagerte Datenquellen) zu unzuverlässigen Vorhersagen führen.