Produkcyjne systemy ML: trenowanie statyczne a dynamiczne

Ogólnie model można wytrenować na 2 sposoby:

  • Statyczne trenowanie (nazywane też trenowaniem offline) oznacza, że model trenujesz tylko raz. Następnie przez jakiś czas używasz tego samego wytrenowanego modelu.
  • Dynamiczne szkolenie (nazywane też szkoleniem online) oznacza, że model jest trenowany stale lub przynajmniej często. Zwykle serwujesz ostatnio wytrenowany model.
Rysunek 2.  Z surowego ciasta powstają 3 identyczne bochenki chleba.
Rysunek 2. Trening statyczny. Trenuj raz, a następnie wyświetlaj ten sam zbudowany model wielokrotnie. (zdjęcia: Pexels i fancycrave1)

 

Rysunek 3.  Z surowego ciasta za każdym razem powstają nieco inne bochenki chleba.
Rysunek 3. Dynamiczne szkolenie. Często dostosowuj model, aby korzystać z najnowszego modelu. (zdjęcia z Pexels i Couleur)

 

Tabela 1. Główne zalety i wady.

Trening statyczny Dynamiczny trening
Zalety Prostsza. Model trzeba opracować i przetestować tylko raz. Większa elastyczność. Twój model będzie uwzględniać wszelkie zmiany w zależnościach między cechami a etykietami.
Wady Czasami szybciej. Jeśli związek między cechami a etykietami zmienia się z czasem, prognozy modelu będą mniej dokładne. Więcej pracy. Musisz stale tworzyć, testować i publikować nowe produkty.

Jeśli Twój zbiór danych nie zmienia się z czasem, wybierz trenowanie statyczne, ponieważ jest tańsze w tworzeniu i utrzymywaniu niż trenowanie dynamiczne. Zbiory danych zmieniają się jednak z czasem, nawet te, które zawierają cechy, które według Ciebie są tak stałe jak np. poziom morza. Wnioski: nawet w przypadku statycznego szkolenia musisz sprawdzać, czy dane wejściowe nie uległy zmianie.

Rozważ np. model wytrenowany do przewidywania prawdopodobieństwa, że użytkownicy kupią kwiaty. Ze względu na presję czasu model jest trenowany tylko raz, przy użyciu zbioru danych o zachowaniu klientów kupujących kwiaty w lipcu i sierpniu. Model działa prawidłowo przez kilka miesięcy, ale w okresie Walentynek jego prognozy są fatalne, ponieważ zachowanie użytkowników w tym okresie znacznie się zmienia.

Więcej informacji o szkoleniu statycznego i dynamicznego znajdziesz w tym kursie.

Ćwiczenia: sprawdź swoją wiedzę

Które 2 z tych stwierdzeń dotyczących statycznego (offline) szkolenia są prawdziwe?
Trening offline wymaga mniej monitorowania zadań trenowania niż trening online.
Możesz zweryfikować model przed jego zastosowaniem w wersji produkcyjnej.
W czasie wnioskowania nie trzeba zbytnio monitorować danych wejściowych.
Model jest aktualizowany wraz z przybyciem nowych danych.
Które z tych stwierdzeń jest prawdziwe w przypadku dynamicznego (internetowego) szkolenia?
Model jest aktualizowany wraz z przybyciem nowych danych.
W czasie wnioskowania nie trzeba zbytnio monitorować danych wejściowych.
Nie trzeba zbytnio monitorować zadań trenowania.