ركّزت هذه الدورة حتى الآن على إنشاء نماذج التعلم الآلي (ML).
ومع ذلك، وكما يشير الشكل 1، تكون أنظمة تعلُّم الآلة للإنتاج في العالم الحقيقي كبيرة
والأنظمة البيئية والنموذج ليس سوى جزء واحد صغير نسبيًا.
الشكل 1. يتكون نظام تعلُّم الآلة للإنتاج الواقعي من العديد من المكونات.
يقع تعلُّم الآلة في صميم نظام إنتاج تعلُّم الآلة في العالم الحقيقي
كود النموذج، لكنه غالبًا ما يمثل 5٪ فقط أو أقل من إجمالي قاعدة الرموز في
النظام. هذا ليس خطأ طباعة؛ إنه أقل بكثير مما قد
يتوقعونه. ملاحظة أن نظام إنتاج التعلم الآلي يخصص موارد كبيرة
على بيانات الإدخال، كجمعها والتحقق منها واستخراج الميزات منها.
تاريخ التعديل الأخير: 2024-08-13 (حسب التوقيت العالمي المتفَّق عليه)
[null,null,["تاريخ التعديل الأخير: 2024-08-13 (حسب التوقيت العالمي المتفَّق عليه)"],[[["This module explores the broader ecosystem of a production ML system, emphasizing that the model itself is only a small part of the overall system."],["You will learn to choose the appropriate training and inference paradigms (static or dynamic) based on your specific needs."],["The module covers key aspects of production ML systems, including testing, identifying potential flaws, and monitoring the system's components."],["As a prerequisite, familiarity with foundational machine learning concepts, including linear regression, data types, and overfitting, is assumed."],["Building upon previous modules, this content shifts focus to the practical aspects of deploying and maintaining ML models in real-world scenarios."]]],[]]
