Üretim makine öğrenimi sistemleri: Statik ve dinamik eğitim
Genel olarak, bir modeli iki şekilde eğitebilirsiniz:
Statik eğitim (ayrıca
adı verilen çevrimdışı eğitim), bir modeli eğitmek
yalnızca bir kez. Ardından, aynı eğitilen modeli bir süre boyunca sunarsınız.
Dinamik eğitim (ayrıca
adı online eğitim), yani bir modeli eğitmek
en azından bir defa. Genellikle, en fazla
modeliniz olabilir.
Şekil 2. Statik eğitim. Bir kez eğitim alın; aynı yerleşik modeli
birden fazla kez. (Pexels ve fancycrave1 tarafından resimler.)
Şekil 3. Dinamik eğitim. Sık sık yeniden eğitin; mümkün olan en çok
modelimiz Gemini Nano. (Resimler Pexels ve Couleur tarafından sağlanmıştır.)
Tablo 1. Başlıca avantajlar ve dezavantajlar.
Statik eğitim
Dinamik eğitim
Avantajları
Daha basit. Modeli yalnızca bir kez geliştirip test etmeniz yeterlidir.
Daha uyarlanabilir. Modeliniz, tüm dünya genelinde
özellikler ve etiketler arasındaki ilişkide nasıl
değişiklikler olduğunu kontrol eder.
Dezavantajları
Bazen yumuşaktır. Özellikler ve özellikler arasındaki ilişki
etiketleri zamanla değişirse modelinizin tahminleri de olumsuz etkilenir.
Daha fazla iş. Yeni bir ürün oluşturmanız, test etmeniz ve yayınlamanız gerekir
her zaman.
Veri kümeniz zaman içinde gerçekten değişmiyorsa statik eğitimi seçin, çünkü
oluşturmak ve sürdürmek dinamik eğitimden daha ucuzdur. Ancak veri kümeleri
bildiğinizi düşündüğünüz özelliklere sahip
ürünler dahil olmak üzere, zaman içinde
mesela deniz seviyesi kadar. Çıkarım: statik bağlantılarda bile
giriş verilerinizi değişiklik açısından izlemeniz gerekir.
Örneğin, kullanıcıların uygulamanızı veya oyununuzu kullanma ihtimalini
çiçek alır. Zaman baskısı nedeniyle model yalnızca bir kez eğitilir.
kullanıcıların çiçek satın alma davranışlarını gösteren bir veri kümesi kullanıldı.
Model birkaç ay boyunca sorunsuz bir şekilde çalışır ancak daha sonra çok kötü tahminlerde bulunur
Sevgililer Günü civarında ki
tatil döneminde kullanıcı davranışları
önemli ölçüde değişiyor.
Statik ve dinamik eğitimle ilgili daha ayrıntılı bilgi edinmek için
ML Projelerini Yönetme
ele alacağız.
Alıştırmalar: Öğrendiklerinizi sınayın
Aşağıdaki ifadelerden hangi ikisi doğrudur:
statik (çevrimdışı) eğitim
Yeni veriler geldikçe model güncel kalır.
Aslına bakarsanız, çevrimdışı eğitim yaparsanız model,
...yeni veriler ekleyebilirsiniz. Bu da modelin
veya mevcut bir değerden öğrenmeye çalıştığınız dağılım
zamanla değişir.
Modeli, üretime uygulamadan önce doğrulayabilirsiniz.
Evet, çevrimdışı eğitim, modeli doğrulamak için bolca fırsat sunar
performansı ve performansı artırma
Çevrimdışı eğitim, eğitim işlerinin daha az izlenmesini gerektirir
çevrimiçi eğitimden çok daha fazlasıdır.
Genel olarak eğitim sırasında izleme gereksinimleri daha düşüktür
Bu sayede, sizi diğer üretim süreçlerinden yalıtım
düşünmelisiniz. Ancak modelinizi ne kadar sık eğitirseniz
izlemeniz gereken yatırım tutarı da o kadar yüksek olur. Bir sonraki
Ayrıca, kodunuzda değişiklik yapabildiğinizden emin olmak için
(ve bağımlılıkları) model kalitesini olumsuz etkilemez.
Giriş verilerinin izlenmesinin çok az bir bölümünün yapılması gerekiyor.
çıkarım süresi.
Doğal olarak, sunum sırasında giriş verilerini izlemeniz gerekir.
gerekir. Giriş dağılımları değişirse modelimizin
güvenilir olmayabilir. Mesela bir modelin
kullanımı aniden yaz mevsimindeki giyim verileriyle ilgili
Kış mevsiminde kıyafet satın alma davranışını tahmin etmek için kullanılır.
Aşağıdaki ifadelerden hangisi doğrudur
dinamik (çevrimiçi) eğitim mi?
Yeni veriler geldikçe model güncel kalır.
Online eğitimin en önemli avantajı budur; farklı seçenekler arasından
modelin yeni veriler üzerinde eğitilmesine izin vererek eskitlik sorunları
devreye giriyor.
Eğitim işlerinin çok az izlenmesi gerekiyor.
Aslına bakarsanız ekibinizin
sağlıklı ve amaçlandığı gibi çalışıyorlar. Ayrıca şunlara da ihtiyacınız olacak:
geri çekme gibi destekleyici altyapılardan
anlık görüntüye eklemeniz gerekecek.
veya giriş verilerinde bozulma olabilir.
Giriş verilerinin izlenmesinin çok az bir bölümünün yapılması gerekiyor.
çıkarım süresi.
Tıpkı statik, çevrimdışı bir modelde olduğu gibi,
Dinamik olarak güncellenen modellere yapılan girişleri izler. Şu anki düzeyiniz:
büyük mevsimsellik etkileri riski taşımayabilir; ancak ani
girişlerde yapılan büyük değişiklikler (örneğin,
emin olun.), yine de güvenilir olmayan tahminlere neden olabilir.
