संग्रह की मदद से व्यवस्थित रहें
अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.
मोटे तौर पर, किसी मॉडल को ट्रेनिंग देने के दो तरीके हैं:
स्टैटिक मॉडल को ऑफ़लाइन ट्रेनिंग दी जाती है. इसका मतलब है कि हम मॉडल को सिर्फ़ एक बार ट्रेनिंग देते हैं
और फिर कुछ देर तक उसका इस्तेमाल करते हैं.
डाइनैमिक मॉडल को ऑनलाइन ट्रेनिंग दी जाती है. इसका मतलब है कि सिस्टम में डेटा लगातार
शामिल हो रहा है और हम लगातार अपडेट करके
उस डेटा को मॉडल में शामिल कर रहे हैं.
स्टैटिक बनाम डाइनैमिक ट्रेनिंग
मशीन लर्निंग सिस्टम के मॉडल: ट्रेनिंग
स्टैटिक मॉडल -- ऑफ़लाइन ट्रेनिंग की सुविधा
मशीन लर्निंग सिस्टम के मॉडल: ट्रेनिंग
स्टैटिक मॉडल -- ऑफ़लाइन ट्रेनिंग की सुविधा
डायनेमिक मॉडल -- ऑनलाइन प्रशिक्षण
मशीन लर्निंग सिस्टम के मॉडल: ट्रेनिंग
स्टैटिक मॉडल -- ऑफ़लाइन ट्रेनिंग की सुविधा
इसे बनाना और टेस्ट करना आसान है. बैच ट्रेन और टेस्ट का इस्तेमाल करें और इसे बार-बार दोहराएं.
डायनेमिक मॉडल -- ऑनलाइन प्रशिक्षण
मशीन लर्निंग सिस्टम के मॉडल: ट्रेनिंग
स्टैटिक मॉडल -- ऑफ़लाइन ट्रेनिंग की सुविधा
इसे बनाना और टेस्ट करना आसान है. बैच ट्रेन और टेस्ट का इस्तेमाल करें और इसे बार-बार दोहराएं.
अब भी इनपुट की निगरानी ज़रूरी है
डायनेमिक मॉडल -- ऑनलाइन प्रशिक्षण
मशीन लर्निंग सिस्टम के मॉडल: ट्रेनिंग
स्टैटिक मॉडल -- ऑफ़लाइन ट्रेनिंग की सुविधा
इसे बनाना और टेस्ट करना आसान है. बैच ट्रेन और टेस्ट का इस्तेमाल करें और इसे बार-बार दोहराएं.
अब भी इनपुट की निगरानी ज़रूरी है
इसे पुरानी जानकारी के रूप में आसानी से दिखाया जा सकता है
डायनेमिक मॉडल -- ऑनलाइन प्रशिक्षण
मशीन लर्निंग सिस्टम के मॉडल: ट्रेनिंग
स्टैटिक मॉडल -- ऑफ़लाइन ट्रेनिंग की सुविधा
इसे बनाना और टेस्ट करना आसान है. बैच ट्रेन और टेस्ट का इस्तेमाल करें और इसे बार-बार दोहराएं.
अब भी इनपुट की निगरानी ज़रूरी है
इसे पुरानी जानकारी के रूप में आसानी से दिखाया जा सकता है
डायनेमिक मॉडल -- ऑनलाइन प्रशिक्षण
समय के साथ, ट्रेनिंग डेटा फ़ीड करते रहें. साथ ही, अपडेट किए गए वर्शन को नियमित तौर पर सिंक करें.
बैच ट्रेनिंग और टेस्ट करने के बजाय, प्रोग्रेसिव वैलिडेशन का इस्तेमाल करें.
मशीन लर्निंग सिस्टम के मॉडल: ट्रेनिंग
स्टैटिक मॉडल -- ऑफ़लाइन ट्रेनिंग की सुविधा
इसे बनाना और टेस्ट करना आसान है. बैच ट्रेन और टेस्ट का इस्तेमाल करें और इसे बार-बार दोहराएं.
अब भी इनपुट की निगरानी ज़रूरी है
इसे पुरानी जानकारी के रूप में आसानी से दिखाया जा सकता है
डायनेमिक मॉडल -- ऑनलाइन प्रशिक्षण
समय के साथ, ट्रेनिंग डेटा फ़ीड करते रहें. साथ ही, अपडेट किए गए वर्शन को नियमित तौर पर सिंक करें.
बैच ट्रेनिंग और टेस्ट के बजाय, प्रोग्रेसिव वैलिडेशन का इस्तेमाल करें
इस पर नज़र रखने, मॉडल को रोल बैक करने, और डेटा क्वॉरंटीन की सुविधाओं की ज़रूरत होती है
बदलाव के हिसाब से बदलाव कर लिए जाएंगे, पुरानी जानकारी की समस्या से बचा जाएगा
वीडियो लेक्चर की खास जानकारी
मोटे तौर पर, नीचे दिए गए पॉइंट स्टैटिक बनाम डाइनैमिक ट्रेनिंग के फ़ैसले पर ज़्यादा असर डालते हैं:
स्टैटिक मॉडल बनाना और टेस्ट करना आसान होता है.
डाइनैमिक मॉडल, डेटा में होने वाले बदलावों के हिसाब से ढल जाते हैं.
दुनिया एक ऐसी जगह है जिसमें बहुत बदलाव होते हैं. ऐसा हो सकता है कि पिछले साल के डेटा से मिले बिक्री के अनुमानों से, अगले साल के नतीजों का सही अनुमान न लगाया जा सके.
अगर आपका डेटा सेट समय के साथ नहीं बदलता, तो स्टैटिक ट्रेनिंग चुनें, क्योंकि डाइनैमिक ट्रेनिंग के मुकाबले इसे बनाना और मैनेज करना सस्ता होता है.
हालांकि, जानकारी के कई स्रोत समय के साथ बदलते रहते हैं. इनमें वे स्रोत भी शामिल हैं जिनके बारे में आपको लगता है कि वे समुद्र तल की तरह ही स्थिर हैं.
नैतिक: स्टैटिक ट्रेनिंग के साथ भी, बदलाव के लिए आपको
अपने इनपुट डेटा को मॉनिटर करना होगा.
उदाहरण के लिए, किसी ऐसे मॉडल पर ध्यान दें जिसे यह अनुमान लगाने के लिए ट्रेन किया गया हो कि उपयोगकर्ता
फूल खरीदेंगे. समय के दबाव की वजह से, इस मॉडल को जुलाई और अगस्त के दौरान फूल खरीदने के व्यवहार के डेटासेट का इस्तेमाल करके, सिर्फ़ एक बार ट्रेनिंग दी गई है.
इसके बाद, मॉडल को शिप कर दिया जाता है, ताकि प्रोडक्शन में सुझाव दिखाए जा सकें.
हालांकि, इसे कभी अपडेट नहीं किया जाता. यह मॉडल कई महीनों तक सही तरीके से काम करता रहता है, लेकिन फिर वैलेंटाइन डे के आस-पास के खतरनाक अनुमान लगाता है, क्योंकि उस छुट्टी की अवधि के दौरान, उपयोगकर्ता के व्यवहार में तेज़ी से बदलाव होता है.
