コースのまとめと次のステップ

ここでは、以下の方法について理解を深めました。

• 入力データとエンジニアリング データを検証する。
• ML モデルをデバッグして、モデルを機能させます。
• 機能する ML モデルを最適化する。
• ML モデルとパイプラインのテスト ガイドラインについて話し合う
• 開発、リリース、本番環境におけるモデルの指標をモニタリングします。

次のステップ

• エンドツーエンドの TFX の例をご覧ください。
• ML の製品化に関する Google 社員の論文を読む。
  • パイプラインの管理と技術的負債の防止
  • ML テストスコア: ML 本番環境の準備状況と技術的負担の軽減