Прескочи на главни садржај
🔒 Режим прегледа. Првих петнаест Foundations лекција је бесплатно; ова је Pro. Покрените 7-дневни trial да откључате едитор, AI савете и остатак курса. Картица је обавезна, можете отказати у било ком тренутку у Dashboard.
Покрени 7-дневни trial →
⚡
← Kursevi
›
System Design for Python Juniors
›
Модул 6 · Случајеви дизајна система у стварном свету
›
Дизајнирајте Спотифи препоруке
quiz
95 / 105
🇷🇸
SR
▼
↗
Подели
⋯
Више
+100 XP
📋
Zadatak
📖
Teorija
🤖
AI Pomoć
Zadatak
📝 **Питање:** Зашто мешати офлајн и онлајн кораке препоруке? 📋 Изаберите тачан одговор. 💡 **Савет:** Поново прочитајте горњу теорију ако нисте сигурни.
🎯 Kviz
Pitanje
📝 **Питање:** Зашто мешати офлајн и онлајн кораке препоруке? 📋 Изаберите тачан одговор. 💡 **Савет:** Поново прочитајте горњу теорију ако нисте сигурни.
A
Online inference is too slow for 600M users — batch computes the full ranked playlist nightly so the app just reads a static list at session start.
B
Offline computes heavy candidate generation in batch; online re-ranks the top 200 with fresh per-user signals (mood, time of day, recent skips).
C
Offline trains the model; online serves the exact same scores without re-ranking — splitting just isolates training infra from serving infra for ops reasons.
D
Online handles cold-start users while offline handles power users — each pipeline owns one population and they never overlap during a session.
Odgovori
💬 Diskusija
Budi prvi — postavi pitanje ili podeli savet.
Prijavi se
da bi se pridružio diskusiji. Čitanje je besplatno.
Učitavanje diskusije…