स्टैटिक (ऑफ़लाइन) अनुमान
नीचे दिए गए विकल्पों को एक्सप्लोर करें.
ऑफ़लाइन अनुमान में, हम डेटा के एक बड़े बैच का
एक ही समय में अनुमान लगाते हैं.
इसके बाद, हम उन सुझावों को लुक-अप टेबल में डाल देते हैं, ताकि बाद में उनका इस्तेमाल किया जा सके.
ऑफ़लाइन अनुमान के लिए इनमें से क्या सही है?
हमें सभी संभावित इनपुट के लिए अनुमान लगाने चाहिए.
हां, हमें सभी संभावित इनपुट के लिए अनुमान लगाने होंगे. साथ ही,
उन्हें ऑफ़लाइन अनुमान का इस्तेमाल करने के लिए, कैश या लुकअप टेबल में स्टोर करना होगा.
यह ऑफ़लाइन अनुमान की कमियों में से एक है. हम सिर्फ़ उन उदाहरणों के लिए सुझाव दे सकते हैं जिनके बारे में हमें पहले से पता है. अगर उन चीज़ों का सेट सीमित है जिनका हम अनुमान लगाते हैं, जैसे कि दुनिया के सभी शहर या डेटाबेस टेबल में मौजूद सभी आइटम, तो यह ठीक रहता है.
हालांकि, फ़्रीफ़ॉर्म इनपुट के लिए अगर उपयोगकर्ता की क्वेरी में, असामान्य या कभी-कभी मिलने वाले आइटम की लंबी पूंछ होती है, तो हम ऑफ़लाइन अनुमान सिस्टम की मदद से पूरी कवरेज नहीं दे पाएंगे.
अनुमान जनरेट करने के बाद, हम उन्हें लागू करने से पहले उनकी पुष्टि कर सकते हैं.
यह ऑफ़लाइन अनुमान के बारे में वाकई एक काम की चीज़ है. हम अपने सभी अनुमानों का इस्तेमाल करने से पहले, उनकी जांच और पुष्टि कर सकते हैं.
किसी दिए गए इनपुट के लिए, हम ऑनलाइन अनुमान के मुकाबले ज़्यादा तेज़ी से अनुमान दिखा सकते हैं.
ऑफ़लाइन अनुमान के बारे में सबसे अच्छी चीज़ों में से एक यह है कि जब
अनुमान को कुछ लुक-अप टेबल पर लिखा जाएगा, तब उन्हें
इंतज़ार का समय कम से कम दिखाया जा सकता है. अनुरोध के समय, सुविधा का हिसाब लगाने या मॉडल
के अनुमान की ज़रूरत नहीं होती.
हमें लंबे समय तक अपने इनपुट सिग्नल को ध्यान से मॉनिटर
करना होगा.
यह एक ऐसा मामला है जिसमें हमें लंबे समय तक इनपुट सिग्नल को मॉनिटर करने की ज़रूरत नहीं पड़ती. इसकी वजह यह है कि लुक-अप टेबल
पर सुझाव लिखने के बाद, हम इनपुट सुविधाओं पर निर्भर
नहीं रह जाते हैं. ध्यान दें कि इस मॉडल के बाद के किसी भी अपडेट के लिए, इनपुट की पुष्टि नए राउंड की ज़रूरत होगी.
हम दुनिया में हो रहे बदलावों पर तुरंत कार्रवाई कर पाएंगे.
नहीं, यह ऑफ़लाइन अनुमान की कमी है. हमें तब तक इंतज़ार करना होगा, जब तक कि लुक-अप टेबल पर सुझावों का नया सेट नहीं आ जाता. इसके बाद ही, हम दुनिया में हो रहे किसी भी बदलाव के हिसाब से जवाब दे पाएंगे.
डाइनैमिक (ऑनलाइन) अनुमान
नीचे दिए गए विकल्पों को एक्सप्लोर करें.
डाइनैमिक (ऑनलाइन) अनुमान का मतलब, मांग के आधार पर अनुमान लगाना है. इसका मतलब है कि ऑनलाइन अनुमान के हिसाब से, हम ट्रेन किए गए मॉडल को सर्वर पर रखते हैं और ज़रूरत के मुताबिक अनुमान के अनुरोध जारी करते हैं. डाइनैमिक अनुमान के लिए, इनमें से कौनसी बात सही है?
आपके पास सभी संभावित आइटम के लिए सुझाव देने का विकल्प है.
हां, यह ऑनलाइन अनुमान की ताकत है. जो भी अनुरोध किया जाएगा
उसे स्कोर दिया जाएगा. ऑनलाइन अनुमान, लॉन्ग टेल डिस्ट्रिब्यूशन (जिनमें कई दुर्लभ आइटम होते हैं) को मैनेज करता है. जैसे, फ़िल्म की समीक्षाओं में लिखे गए सभी संभावित वाक्यों के लिए स्पेस.
अनुमानों का इस्तेमाल किए जाने से पहले, उनकी पुष्टि की जा सकती है.
आम तौर पर, सभी सुझावों के इस्तेमाल होने से पहले उनकी पुष्टि नहीं की जा सकती, क्योंकि ये अनुमान मांग पर ही दिखाए जाते हैं. हालांकि, एग्रीगेट किए गए अनुमान की क्वालिटी पर नज़र रखी जा सकती है, ताकि आप सैनिटी की जांच को बेहतर बना सकें. हालांकि, इनसे आग लगने के बाद ही अलार्म के संकेत मिलेंगे.
आपको इनपुट सिग्नल को ध्यान से मॉनिटर करना चाहिए.
हां. सिग्नल में अपस्ट्रीम की समस्याओं की वजह से अचानक बदलाव हो सकता है.
इससे हमारे अनुमानों को नुकसान पहुंच सकता है.
ऑनलाइन अनुमान लगाते समय, आपको अनुमान के इंतज़ार में लगने वाले समय (अनुमान वापस आने में लगने वाला समय) को लेकर चिंता करने की ज़रूरत नहीं है. हालांकि, ऑफ़लाइन अनुमान लगाते समय आपको इसकी ज़रूरत नहीं होगी.
ऑनलाइन अनुमान में अनुमान के इंतज़ार का समय अक्सर चिंता का विषय होता है.
माफ़ करें, ज़्यादा अनुमान सर्वर जोड़कर, अनुमान के इंतज़ार के समय की समस्याओं को
ठीक नहीं किया जा सकता.