Pelajari opsi-opsi di bawah.

Manakah dari pernyataan berikut ini yang benar tentang pelatihan dinamis (online)?

Model tetap terkini saat data baru tiba.

Ini adalah manfaat utama dari pelatihan online—kita dapat menghindari banyak masalah keusangan dengan memungkinkan model melatih data baru saat data tersebut masuk.

Sangat sedikit pemantauan tugas pelatihan yang perlu dilakukan.

Sebenarnya, Anda harus terus memantau tugas pelatihan untuk memastikan bahwa tugas tersebut responsif dan berfungsi sebagaimana mestinya. Anda juga akan memerlukan infrastruktur pendukung seperti kemampuan untuk mengembalikan model ke snapshot sebelumnya jika terjadi kesalahan dalam pelatihan, seperti tugas yang memiliki bug atau kerusakan dalam data input.

Sangat sedikit pemantauan data input yang perlu dilakukan pada waktu inferensi.

Sama seperti model statis dan offline, penting juga untuk memantau input ke model yang diperbarui secara dinamis. Kami mungkin tidak berisiko mengalami efek tren musiman yang besar, tetapi perubahan besar yang mendadak pada input (seperti sumber data upstream menurun) masih dapat menyebabkan prediksi yang tidak dapat diandalkan.