本番環境 ML システム

モジュールの推定所要時間: 70 分

学習目標

• 本番環境 ML システムの幅広いコンポーネントを理解する。
• 理想的なトレーニング パラダイムを選択する（静的または動的）。
• 理想的な推論パラダイムを選択します（静的または動的）。
• ML のデプロイをテストします。
• 本番環境 ML システムについて適切な質問をします。
• 実際の ML モデルの欠陥を特定する。
• 本番環境 ML システムのコンポーネントをモニタリングする。

前提条件:

このモジュールは、このモジュールで取り上げたコンセプトを理解していることを前提としています。 説明します。

• ML の概要
• 線形回帰
• 数値データの操作
• カテゴリデータの操作
• データセット、一般化、過学習

ここまでは、機械学習（ML）モデルの構築に焦点を当ててきました。 しかし、図 1 が示すように、実際の本番環境 ML システムは大規模です。 モデルは 1 つにすぎず、比較的小さな要素です。

<ph type="x-smartling-placeholder">

</ph> 図 1.実際の本番環境 ML システムは多くのコンポーネントで構成されています。

 

実際の ML 本番環境システムの中核にあるのは ML です。 その多くがコードベース全体の 5% 以下にすぎません。 制御します。これは誤りではありません。通常のショッピングよりも あります。ML の本番環境システムがかなりのリソースを消費していることに注目 データを収集、検証、抽出するプロセスです。