Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Offline leren

Engels: Offline learning · Ook wel: batch learning, batch training, offline training

In het kort

Offline learning is een trainingsmethode in machine learning waarbij een model leert van een vaste dataset. Die gegevens blijven tijdens het leerproces hetzelfde, anders dan bij online machine learning, waar het model stap voor stap bijleert van nieuwe gegevens. Een spamfilter kan zo eerst patronen leren uit een vaste verzameling oude e-mails en daarna nieuwe berichten als spam herkennen, zonder tussentijds opnieuw te trainen.

Waarom is dit belangrijk?

Teams kunnen een model eerst helemaal controleren op kwaliteit en het pas daarna inzetten voor terugkerende voorspellingen in de dagelijkse praktijk. In de zorg passen onderzoekers offline leren toe op eerder verzamelde gegevens, omdat direct oefenen in de echte situatie vaak niet haalbaar is. Werknemers en patiënten krijgen daardoor stabiele hulp bij beslissingen in de zorg, maar de uitkomsten kunnen achterlopen wanneer de situatie intussen is veranderd.

Zo werkt het in de praktijk

Google Research past offline leren toe op vastgelegde interacties in robotica en bij zelfrijdende voertuigen. Het team publiceerde de DQN Replay Dataset met spelervaringen van Atari 2600-spellen. Een agent leert daaruit een beleid, dus een keuze van acties, zonder tijdens de training te spelen.

Onderzoekers vragen of zo’n agent uit die oude ervaringen een beleid kan leren. Google Research vergeleek daarvoor modellen die alleen de DQN Replay Dataset zien. Een lastig punt is dat het model acties kan kiezen die weinig in de gegevens zitten.

Voor de beoordeling gebruiken zij offline beleidsevaluatie. Die methode schat de kwaliteit van een beleid op de bestaande gegevens. Google Research koppelt die evaluatie aan het afstellen van het model en aan vroeg stoppen.

Bron: en.wikipedia.org

Gecontroleerd op 5 november 2026