Até agora, o foco deste curso foi a criação de modelos de machine learning (ML). No entanto, como a Figura 1 sugere, os sistemas de ML de produção do mundo real são grandes ecossistemas, e o modelo é apenas uma parte única e relativamente pequena.
![Figura 1. Diagrama do sistema de ML com os componentes a seguir:
coleta de dados, extração de atributos, ferramentas de gerenciamento de processos,
verificação de dados, configuração, gerenciamento de recursos da máquina,
monitoramento, infraestrutura de disponibilização
e código do modelo de ML. O modelo de ML
parte do código de modelo do diagrama é reduzida pelas outras
componentes de solução.](https://developers.google.cn/static/machine-learning/crash-course/images/MlSystem.png?authuser=4&hl=pt)
No centro de um sistema de produção de machine learning do mundo real está o ML mas isso geralmente representa apenas 5% ou menos da base de código total no sistema. Isso não é um erro de digitação; esse valor é significativamente menor do que o que esperar. Um sistema de produção de ML dedica recursos consideráveis aos dados de entrada: coletando, verificando e extraindo atributos deles.