아래 옵션을 살펴보세요.

다음 중 동적 (온라인) 학습에 대해 올바른 설명은 무엇인가요?

새 데이터가 도착하면 모델이 최신 상태로 유지됩니다.

이는 온라인 학습의 주된 이점입니다. 모델이 입력될 때 새 데이터를 학습하도록 하여 여러 비활성 문제를 피할 수 있습니다.

학습 작업을 모니터링할 필요가 거의 없습니다.

실제로 학습 작업을 지속적으로 모니터링하여 정상 상태로 유지되고 의도한 대로 작동하는지 확인해야 합니다. 또한 학습 작업 중에 버그가 발생한 경우(예: 작업 버그나 입력 데이터의 손상 등) 모델을 이전 스냅샷으로 롤백하는 기능과 같은 인프라가 필요합니다.

추론 시 입력 데이터에 대한 모니터링을 거의 하지 않습니다.

정적 오프라인 모델과 마찬가지로, 동적으로 업데이트된 모델에 대한 입력을 모니터링하는 것이 중요합니다. 시즌성에 큰 영향을 받지는 않지만 갑작스러운 대규모 입력 변경사항 (예: 업스트림 데이터 소스 다운)으로 인해 신뢰할 수 없는 예측이 나올 수 있습니다.