Kami akan menghapus Kursus Singkat Machine Learning dari situs ini pada tanggal 30 Juli 2021. Versi bahasa Inggris akan tetap tersedia.

Pelatihan Statis vs. Dinamis

Secara garis besar, ada dua cara untuk melatih model:

  • Model statis dilatih secara offline. Artinya, kita melatih model hanya satu kali, kemudian menggunakan model yang dilatih tersebut untuk jangka waktu yang lama.
  • Model dinamis dilatih secara online. Artinya, data terus memasuki sistem dan kita menggabungkan data tersebut ke dalam model melalui pembaruan berkelanjutan.

Pelatihan Statis vs. Dinamis

Model Statis -- Dilatih Secara Offline

Model Statis -- Dilatih Secara Offline

Model Dinamis -- Dilatih Secara Online

Model Statis -- Dilatih Secara Offline

  • Mudah dibuat dan diuji -- menggunakan banyak pelatihan & pengujian, melakukan iterasi sampai hasilnya baik.

Model Dinamis -- Dilatih Secara Online

Model Statis -- Dilatih Secara Offline

  • Mudah dibuat dan diuji -- menggunakan banyak pelatihan & pengujian, melakukan iterasi sampai hasilnya baik.
  • Masih memerlukan pemantauan input

Model Dinamis -- Dilatih Secara Online

Model Statis -- Dilatih Secara Offline

  • Mudah dibuat dan diuji -- menggunakan banyak pelatihan & pengujian, melakukan iterasi sampai hasilnya baik.
  • Masih memerlukan pemantauan input
  • Mudah untuk dibiarkan menjadi usang

Model Dinamis -- Dilatih Secara Online

Model Statis -- Dilatih Secara Offline

  • Mudah dibuat dan diuji -- menggunakan banyak pelatihan & pengujian, melakukan iterasi sampai hasilnya baik.
  • Masih memerlukan pemantauan input
  • Mudah untuk dibiarkan menjadi usang

Model Dinamis -- Dilatih Secara Online

  • Terus melakukan feed pada data pelatihan seiring waktu, secara berkala menyinkronkan versi yang diperbarui.
  • Menggunakan validasi progresif daripada banyak pelatihan & pengujian.

Model Statis -- Dilatih Secara Offline

  • Mudah dibuat dan diuji -- menggunakan banyak pelatihan & pengujian, melakukan iterasi sampai hasilnya baik.
  • Masih memerlukan pemantauan input
  • Mudah untuk dibiarkan menjadi usang

Model Dinamis -- Dilatih Secara Online

  • Terus melakukan feed pada data pelatihan seiring waktu, secara berkala menyinkronkan versi yang diperbarui.
  • Menggunakan validasi progresif daripada banyak pelatihan & pengujian
  • Memerlukan kemampuan pemantauan, rollback model & karantina data
  • Akan menyesuaikan dengan perubahan, terhindar dari masalah data usang

Secara garis besar, poin-poin berikut mendominasi keputusan pelatihan model statis vs. dinamis:

  • Model statis lebih mudah dibuat dan diuji.
  • Model dinamis dapat menyesuaikan dengan perubahan data. Dunia merupakan tempat yang sangat mudah berubah. Prediksi penjualan yang dibuat dari data tahun lalu cenderung tidak berhasil memprediksi hasil tahun depan.

Jika kumpulan data Anda benar-benar tidak berubah seiring waktu, pilih pelatihan statis karena pembuatan dan pengelolaannya lebih murah daripada pelatihan dinamis. Namun, banyak sumber informasi yang benar-benar berubah seiring waktu, bahkan sumber informasi dengan fitur yang Anda kira konstan seperti, katakanlah, permukaan laut. Intinya, meski dengan pelatihan statis sekalipun, Anda tetap harus memantau perubahan pada data input Anda.

Misalnya, pertimbangkan model yang dilatih untuk memprediksi probabilitas bahwa pengguna akan membeli bunga. Karena terbatasnya waktu, model ini hanya dilatih sekali menggunakan kumpulan data perilaku pembelian bunga selama bulan Juli dan Agustus. Model ini kemudian diteruskan untuk menampilkan prediksi dalam produksi, namun tidak pernah diperbarui. Model ini berfungsi dengan baik selama beberapa bulan, tetapi kemudian membuat prediksi buruk saat mendekati Hari Valentine karena perilaku pengguna selama periode liburan tersebut berubah secara drastis.