অফলাইন এবং অনলাইন শেখার মধ্যে পার্থক্য কী ? পুরো ডেটাসেট (অফলাইন) বনাম ক্রমবর্ধমান শেখা (একবারে এক বার) শেখার বিষয়টি কী? উভয়টিতে অ্যালগরিদমের উদাহরণ কী?
অফলাইন এবং অনলাইন শেখার মধ্যে পার্থক্য কী ? পুরো ডেটাসেট (অফলাইন) বনাম ক্রমবর্ধমান শেখা (একবারে এক বার) শেখার বিষয়টি কী? উভয়টিতে অ্যালগরিদমের উদাহরণ কী?
উত্তর:
অনলাইন লার্নিংয়ের অর্থ হ'ল ডেটা আসার সাথে সাথে আপনি এটি করছেন Off অফলাইনের অর্থ আপনার কাছে একটি স্ট্যাটিক ডেটাসেট রয়েছে।
সুতরাং, অনলাইন শেখার জন্য আপনার কাছে (সাধারণত) আরও ডেটা থাকে তবে আপনার কাছে সময় সীমাবদ্ধতা রয়েছে। অনলাইনে শিখনকে প্রভাবিত করতে পারে এমন আরেকটি শিঙি হ'ল আপনার ধারণাগুলি সময়ের সাথে সাথে পরিবর্তন হতে পারে।
ধরা যাক আপনি স্প্যাম চিনতে শ্রেণিবদ্ধ করতে চান want আপনি ই-মেইলের একটি বৃহত কর্পস অর্জন করতে পারেন, এটি লেবেল করতে পারেন এবং এতে শ্রেণিবদ্ধকে প্রশিক্ষণ দিতে পারেন। এটি অফলাইনে শেখা হবে। অথবা, আপনি আপনার সিস্টেমে আগত সমস্ত ইমেল নিতে পারেন এবং ক্রমাগত আপনার শ্রেণিবদ্ধ আপডেট করতে পারেন (লেবেলগুলি কিছুটা জটিল হতে পারে)। এটি হবে অনলাইন লার্নিং।
"অনলাইন" শব্দটি অতিরিক্ত লোড হয়েছে, এবং তাই মেশিন লার্নিংয়ের ডোমেনে বিভ্রান্তি সৃষ্টি করে।
"অনলাইন" এর বিপরীত ব্যাচ লার্নিং। ব্যাচ লার্নিংয়ে লার্নিং অ্যালগরিদম পুরো ব্যাচটি গ্রাস করার পরে তার প্যারামিটারগুলি আপডেট করে, যেখানে অনলাইন লার্নিংয়ে অ্যালগরিদম 1 টি প্রশিক্ষণ উদাহরণ থেকে শিখার পরে তার পরামিতিগুলি আপডেট করে। মিনি ব্যাচ লার্নিং হ'ল এক প্রান্তে ব্যাচ শেখার এবং অন্য চরমের উপর অনলাইন শেখার মধ্যবর্তী পয়েন্ট।
এছাড়াও, "যখন" ডেটা আসে বা এটি সংরক্ষণ করা যায় কিনা তা অনলাইনে বা ব্যাচ শেখার ক্ষেত্রে অরথোগোনাল।
ব্যাচ লার্নিংয়ের সাথে তুলনা করলে অনলাইন লার্নিংকে মিনিমায় রূপান্তর করতে ধীর বলে মনে করা হয়। তবে, এমন ক্ষেত্রে যেখানে পুরো ডেটাসেট মেমরির সাথে খাপ খায় না, সেখানে অনলাইন লার্নিং ব্যবহার করা একটি গ্রহণযোগ্য ট্রেড অফ।
অনলাইন লার্নিং (যাকে ইনক্রিমেন্টাল লার্নিং বলা হয় ): আমরা উদাহরণগুলির একক উপস্থাপনা বিবেচনা করি। এই ক্ষেত্রে, প্রতিটি উদাহরণ লার্নিং অ্যালগরিদম দ্বারা নির্ধারিত পদ্ধতিতে ক্রমানুসারে ব্যবহৃত হয় এবং তারপরে ফেলে দেওয়া হয়। একটি নির্দিষ্ট পর্যায়ে করা ওজন পরিবর্তনগুলি বিশেষত কেবলমাত্র (বর্তমান) উদাহরণ উপস্থাপন করা এবং সম্ভবত মডেলের বর্তমান অবস্থার উপর নির্ভর করে। এটি সময়ের বিধি বিধানের প্রাকৃতিক প্রক্রিয়া যেখানে উদাহরণগুলি একবারে উপলব্ধ নাও হতে পারে।
অফলাইন লার্নিং : ওজন পরিবর্তনগুলি বিশ্বব্যাপী ব্যয়ের ক্রিয়াকে সংজ্ঞায়িত করে পুরো (প্রশিক্ষণ) ডেটাসেটের উপর নির্ভর করে। উদাহরণগুলি বারবার ব্যবহার করা হয় যতক্ষণ না এই ব্যয় কার্যকারিতা হ্রাস করা হয় is