التدريب الثابت مقابل التدريب الديناميكي

وبصفة عامة، هناك طريقتان لتدريب أي نموذج:

  • يتم تدريب نموذج ثابت بلا اتصال بالإنترنت. أي أننا نُدرِّب النموذج مرةً واحدة فقط ثم نستخدم ذلك النموذج المُدرَّب لفترة من الوقت.
  • يتم تدريب نموذج ديناميكي على الإنترنت. ويعني ذلك أنّ البيانات تدخل إلى النظام باستمرار، ونحن ندمج تلك البيانات في النموذج من خلال التحديثات المستمرة.

التدريب الثابت مقابل التدريب الديناميكي

النموذج الثابت -- تم التدريب بلا اتصال بالإنترنت

النموذج الثابت -- تم التدريب بلا اتصال بالإنترنت

نموذج ديناميكي -- تم التدريب على الإنترنت

النموذج الثابت -- تم التدريب بلا اتصال بالإنترنت

  • سهلة الإنشاء والاختبار -- يمكنك استخدام التدريب المجمّع والاختبار، والتكرار إلى أن تكون جيدة.

نموذج ديناميكي -- تم التدريب على الإنترنت

النموذج الثابت -- تم التدريب بلا اتصال بالإنترنت

  • سهلة الإنشاء والاختبار -- يمكنك استخدام التدريب المجمّع والاختبار، والتكرار إلى أن تكون جيدة.
  • لا يزال يتطلب مراقبة المدخلات

نموذج ديناميكي -- تم التدريب على الإنترنت

النموذج الثابت -- تم التدريب بلا اتصال بالإنترنت

  • سهلة الإنشاء والاختبار -- يمكنك استخدام التدريب المجمّع والاختبار، والتكرار إلى أن تكون جيدة.
  • لا يزال يتطلب مراقبة المدخلات
  • من السهل تبسيط هذه العملية

نموذج ديناميكي -- تم التدريب على الإنترنت

النموذج الثابت -- تم التدريب بلا اتصال بالإنترنت

  • سهلة الإنشاء والاختبار -- يمكنك استخدام التدريب المجمّع والاختبار، والتكرار إلى أن تكون جيدة.
  • لا يزال يتطلب مراقبة المدخلات
  • من السهل تبسيط هذه العملية

نموذج ديناميكي -- تم التدريب على الإنترنت

  • يمكنك مواصلة إضافة بيانات التدريب بمرور الوقت ومزامنة الإصدار المحدَّث بانتظام.
  • استخدم التحقق التدريجي بدلاً من التدريب المجمّع والاختبار.

النموذج الثابت -- تم التدريب بلا اتصال بالإنترنت

  • سهلة الإنشاء والاختبار -- يمكنك استخدام التدريب المجمّع والاختبار، والتكرار إلى أن تكون جيدة.
  • لا يزال يتطلب مراقبة المدخلات
  • من السهل تبسيط هذه العملية

نموذج ديناميكي -- تم التدريب على الإنترنت

  • يمكنك مواصلة إضافة بيانات التدريب بمرور الوقت ومزامنة الإصدار المحدَّث بانتظام.
  • استخدام التحقّق التدريجي بدلاً من التدريب المجمّع والاختبار
  • الجهاز يحتاج إلى مراقبة، ووضع نموذج حول العودة إلى الحالة السابقة، وإمكانيات عزل البيانات
  • التكيّف مع التغييرات وتجنُّب مشاكل القِدم

ملخص محاضرة الفيديو

بشكل عام، تهيمن النقاط التالية على قرار التدريب الثابت مقابل قرار التدريب الديناميكي:

  • يسهل إنشاء النماذج الثابتة واختبارها.
  • تتكيّف النماذج الديناميكية مع البيانات المتغيّرة. إن العالم مكان يتغير إلى حد كبير. من غير المرجّح أن تنجح توقّعات المبيعات التي تم إنشاؤها استنادًا إلى بيانات العام الماضي في توقُّع نتائج العام المقبل.

إذا كانت مجموعة البيانات لديك لا تتغير بمرور الوقت، فاختر تدريبًا ثابتًا لأن إنشائها وصيانتها أقل تكلفة من التدريب الديناميكي. ومع ذلك، فإن العديد من مصادر المعلومات تتغير حقًا بمرور الوقت، حتى تلك التي بها ميزات تعتقد أنها ثابتة مثل مستوى سطح البحر، على سبيل المثال. المغزى: حتى مع التدريب الثابت، لا يزال يتعين عليك مراقبة البيانات المدخلة من أجل التغيير.

على سبيل المثال، ضع في الاعتبار نموذجًا مدرَّبًا للتنبؤ باحتمالية أن يشتري المستخدمون الزهور. وبسبب ضغط الوقت، يتم تدريب النموذج مرة واحدة فقط باستخدام مجموعة بيانات لسلوك شراء الزهور خلال شهرَي تموز (يوليو) وآب (أغسطس). يتم بعد ذلك شحن النموذج لعرض التوقعات في مرحلة الإنتاج، ولكن لا يتم تحديثه مطلقًا. يعمل النموذج بشكل جيد لعدة أشهر، ولكنه ينشئ بعد ذلك توقّعات سيئة في الأيام القريبة من عيد الحب، لأنّ سلوك المستخدم خلال فترة الأعياد يتغيّر بشكل كبير.