קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
עד עכשיו, הקורס הזה התמקד בפיתוח מודלים של למידת מכונה (ML).
עם זאת, כפי שעולה מאיור 1, מערכות למידת מכונה בסביבת ייצור הן גדולות
המערכות האקולוגיות והמודל הם רק חלק אחד, קטן יחסית.
איור 1. מערכת למידת מכונה בסביבת ייצור בעולם האמיתי מורכבת מרכיבים רבים.
בליבה של מערכת ייצור למידת מכונה בעולם האמיתי היא
של המודל, אבל לרוב הוא מייצג רק 5% או פחות מתוך כלל ה-codebase
במערכת. זו לא טעות; נמוכה משמעותית ממה שהייתם
לצפות. חשוב לזכור שמערכות ייצור של למידת מכונה מקדישות משאבים רבים לנתוני הקלט: איסוף, אימות וחילוץ תכונות מהם.
[[["התוכן קל להבנה","easyToUnderstand","thumb-up"],["התוכן עזר לי לפתור בעיה","solvedMyProblem","thumb-up"],["סיבה אחרת","otherUp","thumb-up"]],[["חסרים לי מידע או פרטים","missingTheInformationINeed","thumb-down"],["התוכן מורכב מדי או עם יותר מדי שלבים","tooComplicatedTooManySteps","thumb-down"],["התוכן לא עדכני","outOfDate","thumb-down"],["בעיה בתרגום","translationIssue","thumb-down"],["בעיה בדוגמאות/בקוד","samplesCodeIssue","thumb-down"],["סיבה אחרת","otherDown","thumb-down"]],["עדכון אחרון: 2025-07-27 (שעון UTC)."],[[["This module explores the broader ecosystem of a production ML system, emphasizing that the model itself is only a small part of the overall system."],["You will learn to choose the appropriate training and inference paradigms (static or dynamic) based on your specific needs."],["The module covers key aspects of production ML systems, including testing, identifying potential flaws, and monitoring the system's components."],["As a prerequisite, familiarity with foundational machine learning concepts, including linear regression, data types, and overfitting, is assumed."],["Building upon previous modules, this content shifts focus to the practical aspects of deploying and maintaining ML models in real-world scenarios."]]],[]]
