הדרכה דינמית (אונליין)
האפשרויות מפורטות בהמשך.
איזה מהמשפטים הבאים נכון לגבי אימון דינמי (אונליין)?
המודל מתעדכן בכל פעם שמגיעים נתונים חדשים.
זה היתרון העיקרי של אימון אונליין – כדי למנוע בעיות של חוסר פעילות הוא יכול להתאמן על נתונים חדשים ברגע שהם מגיעים.
צריך לבצע מעט מאוד מעקב אחרי משימות ההדרכה.
למעשה, צריך לעקוב ברציפות אחרי משימות האימון כדי לוודא שהן תקינות ופועלות כמצופה. יש צורך גם
בתשתית תומכת, כמו היכולת להחזיר מודל למצב תמונת מצב קודמת
במקרה שמשהו משתבש באימון,
כמו עבודה עם באגים או פגיעה בנתוני הקלט.
יש לבצע מעקב מועט מאוד אחר נתוני קלט
בזמן הסקת המסקנות.
בדיוק כמו מודל סטטי אופליין, חשוב גם
לעקוב אחרי הקלט של המודלים שמתעדכנים באופן דינמי. סביר להניח
שאין סיכון להשפעות עונתיות גדולות, אבל
שינויים פתאומיים
וגדולים בקלט (כמו ירידה של מקור נתונים
ב-upstream) עדיין יכולים לגרום לתחזיות לא מהימנות.
אימון סטטי (אופליין)
האפשרויות מפורטות בהמשך.
אילו מהמשפטים הבאים נכונים לגבי אימון סטטי (אופליין)?
המודל מתעדכן בכל פעם שמגיעים נתונים חדשים.
למעשה, אם אנחנו מאמנים אופליין, למודל אין דרך
לשלב נתונים חדשים ברגע שהם מגיעים. זה עלול לגרום
לחוסר פעילות של המודל, אם ההתפלגות שאנחנו מנסים ללמוד
משינויים לאורך זמן.
אפשר לאמת את המודל לפני שמחילים אותו בסביבת הייצור.
כן, אימון אופליין מספק מספיק הזדמנויות לאמת את הביצועים של המודל לפני השקת המודל בסביבת הייצור.
אימון אופליין מצריך פחות מעקב אחרי משימות אימון
מאשר הדרכה אונליין.
באופן כללי, דרישות המעקב בזמן האימון הן צנועות יותר
לאימון אופליין, ולכן אנחנו מבודדים מפני שיקולים רבים
בסביבת הייצור. עם זאת, ככל שמאמנים את המודל לעיתים קרובות יותר,
כך תידרשו להשקיע יותר במעקב. כדאי גם
לבצע אימות באופן קבוע כדי לוודא ששינויים בקוד
(וביחסי התלות שלו) לא משפיעים לרעה על איכות המודל.
יש לבצע מעקב מועט מאוד אחר נתוני קלט
בזמן הסקת המסקנות.
בניגוד לכך, צריך לעקוב אחרי נתוני הקלט
בזמן מילוי הבקשה. אם התפלגויות הקלט משתנות, יכול להיות שהתחזיות של המודל שלנו לא יהיו אמינות. נניח, למשל, שדוגמנית
התאמנה רק על נתוני בגדי קיץ ופתאום משמשת
כדי לחזות את התנהגות קניית הבגדים בחורף.