Entrenamiento estático o dinámico

En términos generales, hay dos formas de entrenar un modelo:

  • Un modelo estático se entrena fuera de línea. Eso significa que el modelo se entrena una sola vez y ese modelo entrenado se utiliza durante un tiempo.
  • Un modelo dinámico se entrena en línea. Eso significa que los datos ingresan de forma continua al sistema, y estos se incorporan al modelo con pequeñas actualizaciones periódicas.

Entrenamiento estático o dinámico

Paradigmas del sistema de AA: Entrenamiento

El modelo estático se entrena fuera de línea.

Paradigmas del sistema de AA: Entrenamiento

El modelo estático se entrena fuera de línea.

El modelo dinámico se entrena en línea.

Paradigmas del sistema de AA: Entrenamiento

El modelo estático se entrena fuera de línea.

  • Es fácil de desarrollar y probar; usa entrenamiento y pruebas por lotes, e itera hasta que funcione bien.

El modelo dinámico se entrena en línea.

Paradigmas del sistema de AA: Entrenamiento

El modelo estático se entrena fuera de línea.

  • Es fácil de desarrollar y probar; usa entrenamiento y pruebas por lotes, e itera hasta que funcione bien.
  • De todos modos, requiere la supervisión de las entradas.

El modelo dinámico se entrena en línea.

Paradigmas del sistema de AA: Entrenamiento

El modelo estático se entrena fuera de línea.

  • Es fácil de desarrollar y probar; usa entrenamiento y pruebas por lotes, e itera hasta que funcione bien.
  • De todos modos, requiere la supervisión de las entradas.
  • Puede volverse inactivo fácilmente.

El modelo dinámico se entrena en línea.

Paradigmas del sistema de AA: Entrenamiento

El modelo estático se entrena fuera de línea.

  • Es fácil de desarrollar y probar; usa entrenamiento y pruebas por lotes, e itera hasta que funcione bien.
  • De todos modos, requiere la supervisión de las entradas.
  • Puede volverse inactivo fácilmente.

El modelo dinámico se entrena en línea.

  • Continúa introduciendo datos de entrenamiento en el tiempo y sincroniza periódicamente la versión actualizada.
  • Usa validación progresiva en lugar de entrenamiento y pruebas por lotes.

Paradigmas del sistema de AA: Entrenamiento

El modelo estático se entrena fuera de línea.

  • Es fácil de desarrollar y probar; usa entrenamiento y pruebas por lotes, e itera hasta que funcione bien.
  • De todos modos, requiere la supervisión de las entradas.
  • Puede volverse inactivo fácilmente.

El modelo dinámico se entrena en línea.

  • Continúa introduciendo datos de entrenamiento en el tiempo y sincroniza periódicamente la versión actualizada.
  • Usa validación progresiva en lugar de entrenamiento y pruebas por lotes.
  • Requiere capacidades de supervisión, reducción y cuarentena de los datos.
  • Se adaptará a los cambios y evitará los problemas obsoletos.

Resumen de la clase por video

En términos generales, los siguientes puntos dominan la decisión entre entrenamiento estático o dinámico:

  • Los modelos estáticos son más fáciles de desarrollar y probar.
  • Los modelos dinámicos se adaptan a los datos cambiantes. El mundo es un lugar muy cambiante. Es poco probable que las predicciones de ventas del año pasado predigan correctamente los resultados del año próximo.

Si tu conjunto de datos realmente no cambia en el tiempo, elige el entrenamiento estático, porque su desarrollo y mantenimiento son más económicos que el entrenamiento dinámico. Sin embargo, muchas fuentes de información realmente cambian en el tiempo, incluso aquellas con atributos que crees que son constantes, como el nivel del mar. Moraleja: Incluso con el entrenamiento estático, igualmente debes supervisar si ocurren cambios en los datos de entrada.

Por ejemplo, considera un modelo entrenado para predecir la probabilidad de que los usuarios compren flores. Debido a la presión del tiempo, el modelo se entrena una sola vez con un conjunto de datos del comportamiento de compra de flores durante julio y agosto. Después, el modelo se pone en funcionamiento para procesar predicciones en producción, pero nunca se actualiza. El modelo funciona bien durante varios meses, pero después realiza predicciones muy desacertadas en torno al día de San Valentín porque el comportamiento de los usuarios durante ese período festivo cambia drásticamente.

Enviar comentarios sobre…

Curso intensivo de aprendizaje automático