Systèmes de ML de production

Jusqu'à présent, ce cours s'est concentré sur la création de modèles de machine learning (ML). Cependant, comme le suggère la figure 1, les systèmes de ML en production réels sont de grands écosystèmes, et le modèle n'en est qu'une partie relativement petite.

Figure 1. Schéma du système de ML contenant les composants suivants: la collecte de données, l'extraction de caractéristiques, les outils de gestion des processus, la vérification des données, la configuration, la gestion des ressources de machine, l'infrastructure d'inférence et le code du modèle de ML. La partie Code du modèle de ML du diagramme est écrasée par les neuf autres composants.
Figure 1 Un système de production de ML réel comprend de nombreux composants.

 

Au cœur d'un système de production de machine learning réel se trouve le ML code du modèle, mais il ne représente souvent que 5% ou moins du codebase total le système. Ce n’est pas une faute ; il est nettement inférieur à ce que vous pourriez à vos attentes. Notez qu'un système de production de ML consacre des ressources considérables aux données d'entrée: la collecte, la vérification et l'extraction de caractéristiques.

Précédent
Testez vos connaissances (10 min)
Suivant
Entraînement statique et dynamique (10 min)