अब तक, इस कोर्स में मशीन लर्निंग (एमएल) मॉडल बनाने पर फ़ोकस किया गया है.
हालांकि, जैसा कि इमेज 1 से पता चलता है कि असल दुनिया के प्रोडक्शन एमएल सिस्टम काफ़ी बड़े हैं
और मॉडल मॉडल की तुलना में बस एक छोटा हिस्सा है.
पहली इमेज. असल दुनिया में प्रोडक्शन के लिए मशीन लर्निंग सिस्टम में कई कॉम्पोनेंट शामिल होते हैं.
असल दुनिया के मशीन लर्निंग प्रोडक्शन सिस्टम में सबसे अहम मशीन लर्निंग सिस्टम है
लेकिन यह कोड कोड बेस का सिर्फ़ 5% या उससे कम हिस्सा दिखाता है.
शामिल हैं. यह कोई गलती नहीं है; कम हुए हैं
उम्मीद है. ध्यान दें कि मशीन लर्निंग का इस्तेमाल करने के लिए, अहम संसाधन मुहैया कराने होते हैं
इनपुट डेटा से ली गई है: उसे इकट्ठा करना, उसकी पुष्टि करना, और उससे सुविधाएं निकालना.
[null,null,["आखिरी बार 2024-08-13 (UTC) को अपडेट किया गया."],[[["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."]]],[]]
