Waarom is dit belangrijk?
Betaalsystemen kunnen een verdachte transactie tijdens het betalen meteen beoordelen, en mailfilters kunnen nieuwe soorten ongewenste berichten herkennen. In de financiële sector gebruiken banken online machine learning om fraude bij betalingen op te sporen en koersbewegingen op markten te volgen. Voor klanten en werknemers levert dat snellere controles op, maar een model kan eerder geleerde kennis vergeten en daardoor foutieve beslissingen nemen.
Zo werkt het in de praktijk
Online machine learning wordt gebruikt bij gesponsorde zoekopdrachten, waarbij het model de advertentieopbrengst probeert te verhogen. Kaartprogramma's voorspellen hiermee de kortste route als het verkeer op de weg verandert. Webwinkels gebruiken het voor prijzen die met de situatie meebewegen.
Onderzoekers bekijken of online machine learning taalmodellen na de eerste training kan laten meebewegen met nieuwe gegevens. Continual learning, blijven leren van een informatiestroom, hoort bij die vraag. Die aanpak geldt voor software en zelfstandige systemen in een wereld die verandert.
Teams werken met open programma's die online machine learning ondersteunen. Vowpal Wabbit leert van data die niet in het geheugen passen en begrenst het aantal kenmerken. Scikit-learn biedt stapsgewijze methoden, zoals een SGD-classificatie die het model per voorbeeld bijstelt.




