Sistem ML produksi: Pelatihan statis versus dinamis

Secara umum, Anda dapat melatih model dengan salah satu dari dua cara berikut:

  • Pelatihan statis (juga disebut pelatihan offline) berarti Anda melatih model hanya sekali. Kemudian, Anda menayangkan model terlatih yang sama selama beberapa waktu.
  • Pelatihan dinamis (juga disebut pelatihan online) berarti Anda melatih model secara terus-menerus atau setidaknya sering. Anda biasanya menayangkan model yang baru saja dilatih.
Gambar 2. Adonan mentah menghasilkan tiga roti yang identik.
Gambar 2. Pelatihan statis. Latih sekali; tayangkan model yang sama yang telah di-build beberapa kali. (Gambar oleh Pexels dan fancycrave1.)

 

Gambar 3. Adonan mentah akan menghasilkan roti yang sedikit berbeda
            setiap kali.
Gambar 3. Pelatihan dinamis. Latih ulang secara rutin; tayangkan model yang baru dibuat. (Gambar oleh Pexels dan Couleur.)

 

Tabel 1. Kelebihan dan kekurangan utama.

Pelatihan statis Pelatihan dinamis
Kelebihan Lebih sederhana. Anda hanya perlu mengembangkan dan menguji model sekali. Lebih adaptif. Model Anda akan mengikuti setiap perubahan pada hubungan antara fitur dan label.
Kekurangan Terkadang lebih lama. Jika hubungan antara fitur dan label berubah dari waktu ke waktu, prediksi model Anda akan menurun. Lebih banyak pekerjaan. Anda harus mem-build, menguji, dan merilis produk baru setiap saat.

Jika set data Anda benar-benar tidak berubah seiring waktu, pilih pelatihan statis karena pembuatan dan pengelolaannya lebih murah daripada pelatihan dinamis. Namun, set data cenderung berubah dari waktu ke waktu, bahkan set data dengan fitur yang Anda kira konstan seperti, misalnya, permukaan laut. Kesimpulannya: meskipun dengan pelatihan statis, Anda tetap harus memantau perubahan data input.

Misalnya, pertimbangkan model yang dilatih untuk memprediksi probabilitas 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 berfungsi dengan baik selama beberapa bulan, tetapi kemudian membuat prediksi yang buruk di sekitar Hari Valentine karena perilaku pengguna selama periode liburan bunga tersebut berubah secara drastis.

Untuk eksplorasi pelatihan statis dan dinamis yang lebih mendetail, lihat kursus Mengelola Project ML.

Latihan: Periksa pemahaman Anda

Dua pernyataan manakah yang benar tentang pelatihan statis (offline)?
Model akan terus diperbarui saat data baru tiba.
Pelatihan offline memerlukan lebih sedikit pemantauan tugas pelatihan (training job) daripada pelatihan online.
Anda dapat memverifikasi model sebelum menerapkannya dalam produksi.
Sangat sedikit pemantauan data input yang perlu dilakukan pada waktu inferensi.
Manakah dari pernyataan berikut yang benar tentang pelatihan dinamis (online)?
Model akan terus diperbarui saat data baru tiba.
Sangat sedikit pemantauan data input yang perlu dilakukan pada waktu inferensi.
Sangat sedikit pemantauan tugas pelatihan (training job) yang perlu dilakukan.