ที่ผ่านมา หลักสูตรนี้มุ่งเน้นที่การสร้างโมเดลแมชชีนเลิร์นนิง (ML) อย่างไรก็ตาม รูปที่ 1 บอกไว้ ระบบ ML การผลิตในชีวิตจริงมีขนาดใหญ่ ระบบนิเวศและโมเดลนี้เป็นแค่ส่วนเดียวที่ค่อนข้างเล็ก
![รูปที่ 1 แผนภาพระบบ ML ที่มีคอมโพเนนต์ต่อไปนี้
การเก็บรวบรวมข้อมูล การแยกฟีเจอร์ เครื่องมือการจัดการกระบวนการ
การยืนยันข้อมูล การกำหนดค่า การจัดการทรัพยากรเครื่อง
การตรวจสอบ การให้บริการโครงสร้างพื้นฐาน และโค้ดโมเดล ML ML
ส่วนรหัสโมเดลของแผนภาพถูกตั้งโดยส่วนอีกเก้ารายการ
คอมโพเนนต์](https://developers.google.cn/static/machine-learning/crash-course/images/MlSystem.png?authuser=4&hl=th)
หัวใจสำคัญของระบบการผลิตแมชชีนเลิร์นนิงในโลกแห่งความเป็นจริงคือ ML แต่มักจะแสดงถึงเพียง 5% หรือน้อยกว่าของฐานของโค้ดทั้งหมดใน ระบบ ไม่ใช่การพิมพ์ผิด จะน้อยกว่าที่ควรอย่างมาก ที่คุณคาดหวัง สังเกตว่าระบบการผลิต ML ใช้ทรัพยากรจำนวนมาก ลงในข้อมูลอินพุต ได้แก่ รวบรวมข้อมูล ยืนยัน และดึงฟีเจอร์จากข้อมูลนั้นออก