Turkcha matnlar va darslar Türkçe metinler ve dersler.: İmtihonda insho qanday yoziladi?



Yüklə 5,01 Kb.
Pdf görüntüsü
səhifə110/118
tarix19.12.2023
ölçüsü5,01 Kb.
#186333
1   ...   106   107   108   109   110   111   112   113   ...   118
105.
Çevrimiçi ve çevrimdışı eğitim 
 
Makine öğrenme sistemlerini sınıflandırmak için kullanılan diğer bir ölçüt ise 
sistemin gelen veri akışından aşamalı olarak öğrenip öğrenemeyeceği dir. 
Veriler toplu bir şekilde öğrenebileceği gibi akan veriler üzerinden de 
öğrenebilme yeteneğine sahiptir. Bu öğrenme, çevrimdışı ve çevrimiçi olmak 
üzere iki şekilde yapılmaktadır.
 
1.Çevrimdışı Öğrenme (Batch learning)
 


Çevrimdışı öğrenmede, sistem aşamalı olarak öğrenme yeteneğine sahip 
değildir. Eğitim aşamasında, eğitim amacıyla oluşturulan eğitim kümesini

tamamı, modelin eğitimi için kullanılır, sonra modelin kullanımına geçilebilir ve 
artık sistem öğrenmeden çalışır hale gelir, bir önceki aşamada eğitim 
sonucunda ortaya çıkan modele istenen sorular sorulabilir. Eğitim ve test 
aşamalarında oluşan, iki aşamalı, bu sisteme çevrimdışı öğrenme denir .
 
Bir çevrimdışı öğrenme sisteminin gelen yeni bir veri (yeni bir spam türü gibi) 
hakkında bilgi sahibi olmasını istiyorsanız, sistemin yeni bir sürümünü tam veri 
kümesinde sıfırdan (yalnızca yeni veriler değil, aynı zamanda eski verilerde) 
eğitmeniz gerekir. Daha sonra eski sistemi durdurup, yenisiyle değiştirmek 
gerekmektedir. Bu çözüm basittir ve genellikle iyi çalışır, ancak tam veri 
kümesini kullanarak eğitim yapmak uzun sürebilir, bu sırada veri kümesinde 
değişimler olma ihtimali de olduğu için, belirli periyotlar halinde modelin 
güncellenmesi, örneğin 24 saatte bir veya haftalık olarak yeni bir sistem 
eğitmek gerekir. Sisteminizin gerçek zamana yakın hızla değişen verilere uyum 
sağlaması gerekiyorsa, daha reaktif bir çözüme ihtiyaç vardır. Bir çevrimdışı 
öğrenme sisteminin gelen yeni bir veri (yeni bir spam türü gibi) hakkında bilgi 
sahibi olmasını istiyorsanız, sistemin yeni bir sürümünü tam veri kümesinde 
sıfırdan (yalnızca yeni veriler değil, aynı zamanda eski verilerde) eğitmeniz 
gerekir. Daha sonra eski sistemi durdurup, yenisiyle değiştirmek gerekmektedir. 
Bu çözüm basittir ve genellikle iyi çalışır, ancak tam veri kümesini kullanarak 
eğitim yapmak uzun sürebilir, bu sırada veri kümesinde değişimler olma i
htimali 
de olduğu için, belirli periyotlar halinde modelin güncellenmesi, örneğin 24 
saatte bir veya haftalık olarak yeni bir sistem eğitmek gerekir. Sisteminizin 
gerçek zamana yakın hızla değişen verilere uyum sağlaması gerekiyorsa, daha 
reaktif bir çözüm
e ihtiyaç vardır.
 
2. Çevrimiçi Öğrenme (Stream Learning)
 
Klasik öğrenme yaklaşımlarında veri statiktir, yani depolanarak işlenmektedir. 
Bazı problem tiplerinde ise, veri hızla akmakta ve değişiklikler anlık olarak 
gerçekleşmektedir, bu problem tipleri için
 statik verinin nispeten uzun sürelerde 
baştan eğitildiği ve bütün verinin tekrar bir eğitim modeli oluşturmak için 
kullanıldığı çözüm yöntemleri, ihtiyaçtaki hız ve donanım kısıtları gibi sebeplerle 
kullanışsız hale gelmektedir.
 
Bu yüzden artık veriyi akarken kümeleyecek, kullanıcıya istediği zaman anlık 
sonuç verebilecek yöntemlere talep artmaktadır. Sisteme gelen her veri bireysel 
olarak ya da küçük partiler olarak adlandırılan mini
-
batch şeklinde modeli 


besleyerek kademeli olarak eğitilmektedir. Her öğrenme adımı görece olarak 
hızlı ve ucuzdur, bu nedenle sistem, gelen her yeni veri hakkında bilgi edinebilir 
gerçek-
zamanlı sistemlerde öğrenme aşamasının çalışma anında da 
sürdürülmesi isteniyor ise kullanılır.
 
 

Yüklə 5,01 Kb.

Dostları ilə paylaş:
1   ...   106   107   108   109   110   111   112   113   ...   118




Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©azkurs.org 2024
rəhbərliyinə müraciət

gir | qeydiyyatdan keç
    Ana səhifə


yükləyin