Перейти до основного вмісту
🔒 Режим прев'ю. Перші 15 уроків Foundations — безкоштовні; цей — Pro. Запусти 7-денний trial щоб відкрити редактор, AI-підказки і решту курсу. Потрібна картка, скасування в Dashboard у будь-який момент.
Почати 7-денний trial →
⚡
← Курси
›
System Design for Python Juniors
›
Модуль 6 · Приклади проектування реальних систем
›
Дизайн рекомендацій Spotify
quiz
95 / 105
🇺🇦
UA
▼
↗
Поділитись
⋯
Ще
+100 XP
📋
Завдання
📖
Теорія
🤖
AI Допомога
Завдання
📝 **Питання:** Навіщо поєднувати етапи рекомендацій офлайн і онлайн? 📋 Виберіть правильну відповідь. 💡 **Підказка:** Перечитайте наведену вище теорію, якщо не впевнені.
🎯 Тест
Питання
📝 **Питання:** Навіщо поєднувати етапи рекомендацій офлайн і онлайн? 📋 Виберіть правильну відповідь. 💡 **Підказка:** Перечитайте наведену вище теорію, якщо не впевнені.
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.
Відповісти
💬 Обговорення
Будьте першим — поставте запитання або поділіться порадою.
Увійдіть
щоб приєднатися до обговорення. Читання безкоштовне.
Завантаження обговорення…