Çevrim içi öğrenme, modelin sabit bir veri kümesiyle sıfırdan eğitilmesi yerine, yeni veri geldikçe sürekli güncellenmesidir. Her yeni örnek ya da küçük bir örnek grubu ağırlıkları hemen ayarlıyor.
Alternatifi toplu eğitim. Orada veri bir süre boyunca toplanıyor, model tamamı üzerinde eğitiliyor ve donmuş bir sürüm olarak yayına alınıyor. Toplu eğitimin takibi ve geri alınması daha kolay. Çevrim içi öğrenmeye ise altta yatan desen yeniden eğitim döngüsünden daha hızlı değiştiğinde başvuruluyor.
Verinin akış hâlinde olduğu ve davranışın kaydığı durumlara uygun. Bir akışta içerik sıralama, reklam teklifi, dolandırıcılık tespiti ve değişen koşullar altında talep tahmini bu kapsama giriyor. Model değişimin arkasında kalmak yerine onu takip ediyor.
Somut bir örnek: bir haber sitesi yazıları tıklama davranışına göre sıralıyor. Gündem hareketlendiğinde okur ilgisi saatler içinde değişiyor, dolayısıyla gece yeniden eğitilen bir model her zaman bir gün geriden geliyor. Gelen tıklama akışından sürekli güncellendiğinde sıralama güncel kalıyor.
Riski, modelin sinyali kadar gürültüyü de takip etmesi. Kısa süreli bir anormallik ya da manipüle edilmiş bir trafik artışı ağırlıkları yanlış yöne çekebiliyor, bu yüzden canlı sistemlerde modelin bir zaman diliminde ne kadar hareket edebileceği sınırlanıyor ve geri dönüş noktası tutuluyor.