গুগল প্রশিক্ষণ এবং পূর্বাভাসের জন্য বিভিন্ন মেশিন লার্নিং কৌশল এবং অ্যালগরিদম ব্যবহার করছে। বৃহত্তর স্কেল তদারকি শিক্ষার কৌশল: 1. উপ-নমুনা 2. বিব্রতকরভাবে কিছু অ্যালগরিদমের সমান্তরাল ৩. বিতরণযোগ্য গ্রেডিয়েন্ট বংশোদ্ভূত ৪. সংখ্যাগরিষ্ঠতা ভোট ৫. প্যারামিটারের মিশ্রণ te. আইট্রেটিভ প্যারামিটার মিশ্রণ
তাদের বিভিন্ন মেশিন শেখার কৌশলগুলির সাথে মডেলটির প্রশিক্ষণ এবং ভবিষ্যদ্বাণী করা উচিত এবং সেরা মডেল এবং ফিরে আসার পূর্বাভাস সিদ্ধান্ত নিতে একটি অ্যালগরিদম ব্যবহার করে।
- সাব-স্যাম্পলিং নিম্নমানের কর্মক্ষমতা সরবরাহ করে
- প্যারামিটারের মিশ্রণটি উন্নত হয় তবে সমস্ত ডেটার মতো ভাল হয় না
- বিতরণ করা অ্যালগরিদমগুলি আরও ভাল ক্লাসিফায়ারগুলি আরও দ্রুত ফিরিয়ে দেয়
- আইট্রেটিভ প্যারামিটার মিশ্রণ সমস্ত ডেটার মতোই ভাল অর্জন করে
তবে অবশ্যই এটি এপিআই ডকুমেন্টেশনে পরিষ্কার নয়।