除了实现机器学习算法之外，机器学习还包含许多其他内容。生产环境机器学习系统包含大量组件。无需自行构建所有内容，而是应该尽可能重复使用常规机器学习系统组件。通过了解机器学习系统的一些范例及其要求，可以明确实际需要哪些组件。
从广义上讲，训练模型的方式有两种：静态模型
动态模型
可以选择以下任一推理策略：离线推理
在线推理
特征管理
对输入数据提出的问题
1-以下哪个关于在线（动态）训练的表述是正确的？
2-以下哪些关于离线训练的表述是正确的？
3-在离线推理中，我们会一次性根据大批量数据做出预测。然后将这些预测纳入查询表中，以供以后使用。以下哪些关于离线推理的表述是正确的？
4-在线推理指的是根据需要作出预测。也就是说，进行在线推理时，我们将训练后的模型放到服务器上，并根据需要发出推理请求。以下哪些关于在线推理的表述是正确的？
5-以下哪个模型容易受到反馈环的影响？
1-以下哪个关于在线（动态）训练的表述是正确的？几乎不需要对训练作业进行监控。实际上，您必须持续监控训练作业，以确保它们状态良好并按预期运转。此外，您还需要支持型基础架构，例如在训练出现问题（比如错误作业或输入数据损坏）时能够让模型回滚到之前的快照状态。模型会在新数据出现时进行更新。---正确这是在线训练的主要优势，它允许模型在新数据加入时对其进行训练，因而能避免大量过时问题。在推理时几乎不需要监控输入数据。和静态离线模型一样，请务必对动态更新模型的输入数据进行监控。我们可能不会面临较大的季节性效应带来的风险，但如果输入数据突然发生巨大变化（例如上游数据源中断），仍然会导致预测结果不可靠。
THE END