可用於實際工作環境的機器學習系統

到目前為止,本課程著重於建構機器學習 (ML) 模型。不過,正如圖 1 建議,實際的實際工作環境機器學習系統是非常龐大的 生態系統和模型只是一個相對小的部分

圖 1. 機器學習系統圖表包含下列元件:資料收集、特徵擷取、程序管理工具、資料驗證、設定、機器資源管理、監控、服務基礎架構和機器學習模型程式碼。機器學習
            圖中的模型程式碼部分由其他九個
            元件。
圖 1.實際的機器學習系統包含許多元件。

 

實際機器學習實際工作環境系統的核心,是機器學習模型程式碼,但這類程式碼通常只占系統中總程式碼集的 5% 以下。這並非印刷錯誤,而是比你預期的少得多。請注意,ML 實際運作系統會將大量資源用於輸入資料,包括收集、驗證及擷取特徵。