Confira as opções abaixo.

Qual das seguintes afirmações sobre o treinamento dinâmico (on-line) é verdadeira?

O modelo permanece atualizado conforme novos dados chegam.

Esse é o principal benefício do treinamento on-line. Podemos evitar muitos problemas de inatividade, permitindo que o modelo treine em novos dados à medida que eles chegam.

Pouquíssimo monitoramento de jobs de treinamento precisa ser feito.

Na verdade, é preciso monitorar continuamente os jobs de treinamento para garantir que eles estejam íntegros e funcionem conforme o esperado. Você também precisará de uma infraestrutura de suporte, como a capacidade de reverter um modelo para um snapshot anterior caso algo dê errado no treinamento, como um job com bugs ou corrupção nos dados de entrada.

Pouquíssimo monitoramento dos dados de entrada precisa ser feito no momento da inferência.

Assim como um modelo estático e off-line, também é importante monitorar as entradas para os modelos atualizados dinamicamente. Provavelmente não há risco de grandes efeitos de sazonalidade, mas grandes mudanças repentinas de entradas (como a redução de uma fonte de dados upstream) ainda podem causar previsões não confiáveis.