Sejauh ini, kursus ini berfokus pada membangun model machine learning (ML). Namun, seperti yang ditunjukkan oleh Gambar 1, sistem ML produksi di dunia nyata memiliki ekosistem dan modelnya hanyalah satu bagian yang relatif kecil.
![Gambar 1. Diagram sistem ML yang berisi komponen berikut:
pengumpulan data, ekstraksi fitur, alat manajemen proses,
verifikasi data, konfigurasi, manajemen sumber daya mesin,
pemantauan, infrastruktur inferensi, dan kode model ML. ML
bagian kode model sedikit lebih pendek dari sembilan elemen lainnya,
komponen.](https://developers.google.cn/static/machine-learning/crash-course/images/MlSystem.png?authuser=9&hl=id)
Inti dari sistem produksi machine learning dunia nyata adalah ML kode model ini, tetapi seringkali hanya mewakili 5% atau kurang dari total codebase di sistem. Itu bukan kesalahan cetak; ini jauh lebih sedikit daripada yang mungkin Anda kita harapkan. Perhatikan bahwa sistem produksi ML mencurahkan sumber daya yang cukup besar ke data input: mengumpulkan, memverifikasinya, dan mengekstrak fitur dari data.