Finora, questo corso si è concentrato sulla creazione di modelli di machine learning (ML). Tuttavia, come suggerisce la Figura 1, i sistemi ML di produzione reali sono grandi e il modello è solo una singola parte relativamente piccola.
![Figura 1. Diagramma di sistema di ML contenente i seguenti componenti:
raccolta dati, estrazione di caratteristiche, strumenti di gestione dei processi
verifica dei dati, configurazione, gestione
delle risorse delle macchine
monitoraggio e gestione dell'infrastruttura
e codice del modello ML. Il machine learning
la parte di codice del modello viene sminuita dalle altre nove
componenti.](https://developers.google.cn/static/machine-learning/crash-course/images/MlSystem.png?authuser=19&hl=it)
Il fulcro di un sistema di produzione di machine learning reale è l'ML ma spesso rappresenta solo il 5% o meno del codebase totale all'interno del sistema. Non è un errore di stampa: è notevolmente inferiore a quanto potresti in base alle previsioni. Nota che un sistema di produzione ML dedica notevoli risorse ai dati di input: raccoglierli, verificarli ed estrarre caratteristiche dai dati.