Online Learning – ciągłe aktualizowanie modelu o nowe dane w czasie rzeczywistym.

Proces uczenia maszynowego, w którym model jest sukcesywnie aktualizowany na podstawie nowych danych pojawiających się w czasie rzeczywistym, nazywany jest online learning. W przeciwieństwie do tradycyjnych metod trenowania modeli na statycznych zbiorach danych, podejście to umożliwia ciągłe dostosowywanie się systemu do zmieniających się warunków i nowych informacji, co jest szczególnie istotne w dynamicznie zmieniających się środowiskach.

Podczas procesu aktualizacji, model w sposób inkrementalny przyswaja nowe dane bez konieczności pełnego ponownego trenowania na całym zbiorze danych historycznych. Takie podejście pozwala nie tylko na efektywniejsze wykorzystanie zasobów obliczeniowych, ale także na szybsze reagowanie na zmiany w danych, co przekłada się na lepszą adaptację i dokładność prognoz lub klasyfikacji wykonywanych przez system. Metoda ta znajduje zastosowanie m.in. w systemach rekomendacyjnych, wykrywaniu anomalii czy przetwarzaniu strumieni danych.