Đào tạo (trực tuyến) động
Khám phá các lựa chọn bên dưới.
Câu nào sau đây là đúng về hình thức đào tạo linh động (trực tuyến)?
Mô hình này sẽ luôn được cập nhật khi có dữ liệu mới.
Đây là lợi ích chính của việc huấn luyện trực tuyến – chúng ta có thể tránh nhiều vấn đề về tình trạng lỗi thời bằng cách cho phép mô hình huấn luyện dựa trên dữ liệu mới khi có dữ liệu mới.
Rất ít việc theo dõi các công việc đào tạo cần được thực hiện.
Thực ra, bạn phải liên tục theo dõi các công việc đào tạo để đảm bảo chúng hoạt động tốt và hoạt động như dự kiến. Bạn cũng sẽ cần cơ sở hạ tầng được hỗ trợ, chẳng hạn như khả năng khôi phục một mô hình về bản tổng quan nhanh trước đó trong trường hợp có sự cố trong quá trình huấn luyện, chẳng hạn như xảy ra lỗi hoặc dữ liệu đầu vào bị hỏng.
Rất ít việc theo dõi dữ liệu đầu vào tại thời điểm dự đoán.
Tương tự như mô hình tĩnh, ngoại tuyến, bạn cũng cần theo dõi dữ liệu đầu vào cho các mô hình được cập nhật linh động. Chúng tôi
có thể không có nguy cơ gặp phải các tác động lớn theo mùa. Tuy nhiên, những thay đổi lớn và đột ngột
đối với dữ liệu đầu vào (chẳng hạn như nguồn dữ liệu ở thượng nguồn ngừng hoạt động) vẫn có thể gây ra các thông tin dự đoán không đáng tin cậy.
Đào tạo tĩnh (ngoại tuyến)
Khám phá các lựa chọn bên dưới.
Câu nào sau đây là đúng về chương trình đào tạo tĩnh (ngoại tuyến)?
Mô hình này sẽ luôn được cập nhật khi có dữ liệu mới.
Trên thực tế, nếu chúng ta huấn luyện ngoại tuyến, thì mô hình sẽ không có cách nào để kết hợp dữ liệu mới khi mô hình đó xuất hiện. Điều này có thể khiến mô hình trở nên lỗi thời nếu sự phân phối mà chúng ta đang cố gắng học hỏi từ các thay đổi theo thời gian.
Bạn có thể xác minh mô hình trước khi áp dụng trong môi trường thực tế.
Có, chương trình đào tạo ngoại tuyến mang đến nhiều cơ hội để xác minh hiệu suất của mô hình trước khi đưa mô hình vào phiên bản chính thức.
Đào tạo ngoại tuyến yêu cầu ít phải giám sát các công việc đào tạo hơn so với đào tạo trực tuyến.
Nhìn chung, việc theo dõi các yêu cầu trong thời gian đào tạo thường ít khắt khe hơn đối với hình thức đào tạo ngoại tuyến, giúp chúng tôi không phải cân nhắc nhiều yếu tố trong quá trình sản xuất. Tuy nhiên, bạn huấn luyện mô hình càng thường xuyên thì bạn càng cần đầu tư nhiều vào việc theo dõi. Bạn cũng nên xác thực thường xuyên để đảm bảo rằng các thay đổi đối với mã (và các phần phụ thuộc của mã) không ảnh hưởng tiêu cực đến chất lượng mô hình.
Rất ít việc theo dõi dữ liệu đầu vào tại thời điểm dự đoán.
Ngược lại, bạn cần phải theo dõi dữ liệu đầu vào tại thời điểm phân phát. Nếu giá trị phân phối đầu vào thay đổi, các thông tin dự đoán trong mô hình của chúng tôi có thể trở nên không đáng tin cậy. Ví dụ: hãy tưởng tượng một người mẫu chỉ được huấn luyện về dữ liệu về quần áo vào mùa hè đột nhiên được dùng để dự đoán hành vi mua quần áo vào mùa đông.