バッチ学習

利用可能なすべてのデータが各エポックで固定サイズのバッチで処理されるというトレーニングパラダイム。バッチ学習はオンライン法やインクリメンタル法とは対照的で、安定したデータセットに適しています。新しいデータが到着したら最初から再トレーニングする必要があり、リソースを大量に消費する可能性があります。ガバナンス部門は、再トレーニングサイクルをスケジュールし、関連するコンピューティングコストとデータバージョン管理コストを管理する必要があります。