Systemy produkcyjnego ML

Do tej pory to szkolenie skupiało się na tworzeniu modeli systemów uczących się. Jednak, jak sugeruje to na ilustracji 1, rzeczywiste systemy ML w środowisku produkcyjnym są duże a model to tylko 1, stosunkowo mały element.

Rysunek 1. Diagram systemu ML zawierający te komponenty:
            zbieranie danych, wyodrębnianie cech, narzędzia do zarządzania procesami,
            weryfikacja danych, konfiguracja, zarządzanie zasobami maszyn,
            monitorowania, obsługi infrastruktury i kodu modelu ML. Systemy uczące się
            część kodu modelu jest przesłonięta przez pozostałe dziewięć
Rysunek 1. Prawdziwy system ML do produkcji składa się z wielu komponentów.

 

Podstawą rzeczywistego systemu produkcyjnego systemów uczących się są ML, ale często stanowi on tylko 5% lub mniej całkowitej bazy kodu w systemie. To nie błąd. to znacznie mniej, niż mogłoby się wydawać czego się spodziewać. Zwróć uwagę, że system produkcyjny ML poświęca spore zasoby w danych wejściowych: ich zbieraniu, weryfikowaniu i pobieraniu z nich funkcji.