Esplora le opzioni seguenti.
Quale delle seguenti affermazioni è vera per l'addestramento dinamico (online)?
Il modello rimane aggiornato all'arrivo di nuovi dati.
Questo è il vantaggio principale dell'addestramento online: possiamo evitare molti problemi di inattività consentendo al modello di addestrare nuovi dati man mano che arrivano.
È molto semplice monitorare i job di addestramento.
In realtà, devi monitorare continuamente i job di addestramento per assicurarti che siano integri e che funzionino come previsto. Avrai anche bisogno di un'infrastruttura di supporto come la possibilità di eseguire il rollback di un modello a uno snapshot precedente nel caso in cui si verifichi un problema durante l'addestramento, ad esempio un job buggy o un danneggiamento dei dati di input.
Il monitoraggio dei dati di input è minimo.
Al momento dell'inferenza deve essere eseguito.
Proprio come un modello statico offline, è importante anche monitorare gli input per i modelli aggiornati in modo dinamico. Probabilmente
non siamo a rischio di effetti stagionali significativi, ma cambiamenti improvvisi e
gravi di input, ad esempio un'origine dati a monte che non è più disponibile,
possono comunque causare previsioni inaffidabili.