可用於實際工作環境的機器學習系統

單元預估長度：70 分鐘

學習目標

• 欣賞實際工作環境機器學習系統的各種元件。
• 選擇理想的訓練模式 (靜態或動態)。
• 選擇理想的推論模式 (靜態或動態)。
• 測試機器學習部署作業。
• 針對實際工作環境的機器學習系統提出適當的問題。
• 判斷實際機器學習模型中的瑕疵。
• 監控正式機器學習系統中的元件。

必要條件：

本單元假設您已熟悉 以下模組：

• 機器學習簡介
• 線性迴歸
• 處理數值資料
• 使用類別型資料
• 資料集、一般化和過度配適

到目前為止，本課程著重於建構機器學習 (ML) 模型。不過，正如圖 1 建議，實際的實際工作環境機器學習系統是非常龐大的 生態系統和模型只是一個相對小的部分

圖 1.實際的機器學習系統包含許多元件。

 

實際機器學習實際工作環境系統的核心，是機器學習模型程式碼，但這類程式碼通常只占系統中總程式碼集的 5% 以下。這並非印刷錯誤，而是比你預期的少得多。請注意，ML 實際運作系統會將大量資源用於輸入資料，包括收集、驗證及擷取特徵。