1.Özverili ile ilgili kompozisyon

Çiçek İsimleri

1.Gül (Rosa)

2. Lale (Tulipa)

3. Ağlayan Gelin Çiçeği

1. 
   Amerikan Hanımeli
   
2. 
   Aslanağzı
   
3. 
   Ateş Çiçeği
   
4. 
   Ayı Pençesi
   
5. 
   Azelya
   
6. 
   Ballıbaba
   
7. 
   Begonvil
   
8. 
   Begonya
   
9. 
   Benefşe
   
10. 
    Biberiye
    
11. 
    Boru Çiçeği
    
12. 
    Boya Çiçeği
    
13. 
    Buhurumeryem
    
14. 
    Cemali Güzel
    
15. 
    Ciğerci Sığırı
    
16. 
    Civan Perçemi
    
17. 
    Çadır Çiçeği
    

14
Çevrimiçi ve çevrimdışı eğitim önemlidir

Makine öğrenme sistemlerini sınıflandırmak için kullanılan diğer bir ölçüt ise sistemin gelen veri akışından aşamalı olarak öğrenip öğrenemeyeceği dir. Veriler toplu bir şekilde öğrenebileceği gibi akan veriler üzerinden de öğrenebilme yeteneğine sahiptir. Bu öğrenme, çevrimdışı ve çevrimiçi olmak üzere iki şekilde yapılmaktadır.

1.Çevrimdışı Öğrenme (Batch learning)

Çevrimdışı öğrenmede, sistem aşamalı olarak öğrenme yeteneğine sahip değildir. Eğitim aşamasında, eğitim amacıyla oluşturulan eğitim kümesinin tamamı, modelin eğitimi için kullanılır, sonra modelin kullanımına geçilebilir ve artık sistem öğrenmeden çalışır hale gelir, bir önceki aşamada eğitim sonucunda ortaya çıkan modele istenen sorular sorulabilir. Eğitim ve test aşamalarında oluşan, iki aşamalı, bu sisteme çevrimdışı öğrenme denir .
Bir çevrimdışı öğrenme sisteminin gelen yeni bir veri (yeni bir spam türü gibi) hakkında bilgi sahibi olmasını istiyorsanız, sistemin yeni bir sürümünü tam veri kümesinde sıfırdan (yalnızca yeni veriler değil, aynı zamanda eski verilerde) eğitmeniz gerekir. Daha sonra eski sistemi durdurup, yenisiyle değiştirmek gerekmektedir. Bu çözüm basittir ve genellikle iyi çalışır, ancak tam veri kümesini kullanarak eğitim yapmak uzun sürebilir, bu sırada veri kümesinde değişimler olma ihtimali de olduğu için, belirli periyotlar halinde modelin güncellenmesi, örneğin 24 saatte bir veya haftalık olarak yeni bir sistem eğitmek gerekir. Sisteminizin gerçek zamana yakın hızla değişen verilere uyum sağlaması gerekiyorsa, daha reaktif bir çözüme ihtiyaç vardır. Bir çevrimdışı öğrenme sisteminin gelen yeni bir veri (yeni bir spam türü gibi) hakkında bilgi sahibi olmasını istiyorsanız, sistemin yeni bir sürümünü tam veri kümesinde sıfırdan (yalnızca yeni veriler değil, aynı zamanda eski verilerde) eğitmeniz gerekir. Daha sonra eski sistemi durdurup, yenisiyle değiştirmek gerekmektedir. Bu çözüm basittir ve genellikle iyi çalışır, ancak tam veri kümesini kullanarak eğitim yapmak uzun sürebilir, bu sırada veri kümesinde değişimler olma ihtimali de olduğu için, belirli periyotlar halinde modelin güncellenmesi, örneğin 24 saatte bir veya haftalık olarak yeni bir sistem eğitmek gerekir. Sisteminizin gerçek zamana yakın hızla değişen verilere uyum sağlaması gerekiyorsa, daha reaktif bir çözüme ihtiyaç vardır.