文章：Static vs. Dynamic Training

進行模型訓練方式依據資料是否會變動，將分成兩種方式：靜態（static）和動態（dynamic）。

• 靜態（Static Model）：

優點：
基於資料不會變動，所以可以在事先設定好參數，接著再進行測試。有簡易、方便製作與訓練的特色，也可進行多次迭代以調整好，也更很容易算出適當的公式。而且少量監控，不用太多人力花費。

缺點：
資料過期是不可避免的，因為靜態訓練不會更新數據，因此當有新的數據產出，這個訓練好的模型可能就不能適用。

使用場景：
適合不會變動的資料，或是要求快速、低消耗的條件下使用。像「新的口味或餐點推出後，會對顧客有什麼影響」之題目就不適合。反而節日與花店銷售的關係，這就是和靜態消費，因為變動的資料不因為情人節分成今年或是明年有所變化。

• 動態（Dynamic Model）：

優點：
持續給予資料，讓資料隨著時間進展更新，這樣模組訓練的時候，不但可以追古，也可以知今。這樣的話可以隨時調整參數，隨時與現實世界的資料接軌。

缺點：
需要適時的調整數據參數，並且監控資料是都正常。因此需要大量的心力需要值行維運。而且建置的成本與資料都很高，需要一番心力

使用場景：
適合講求時間性的東西。像是颱風方向預測，如果假設什麼東西都不會變化，因此颱風路徑有最佳解的是不可能的，所以要隨著時間變化，提供各種資料後進行調整。這樣的天氣就是需要時時刻刻調整的，所以適合用動態訓練。