本番環境の ML システム

モジュールの推定所要時間: 70 分

学習目標

• 本番環境 ML システムのコンポーネントの幅広さを理解する。
• 理想的なトレーニング パラダイムを選択する（静的または動的）。
• 最適な推論パラダイム（静的または動的）を選択します。
• ML デプロイをテストする。
• 本番環境の ML システムについて適切な質問をする。
• 実際の ML モデルの欠陥を特定します。
• 本番環境 ML システムのコンポーネントをモニタリングする。

前提条件:

このモジュールは、このモジュールで取り上げたコンセプトを理解していることを前提としています。 説明します。

• ML の概要
• 線形回帰
• 数値データの操作
• カテゴリデータの操作
• データセット、一般化、過剰適合

これまでこのコースでは、機械学習（ML）モデルの構築に焦点を当ててきました。しかし、図 1 が示すように、実際の本番環境 ML システムは大規模です。 モデルは 1 つにすぎず、比較的小さな要素です。

<ph type="x-smartling-placeholder">

</ph> <ph type="x-smartling-placeholder">

</ph> 図 1.実際の本番環境 ML システムは、多くのコンポーネントで構成されています。

 

実際の ML 本番環境システムの中核は ML モデル コードですが、多くの場合、システムの合計コードベースの 5% 未満しか占めません。これは誤りではありません。通常のショッピングよりも あります。ML の本番環境システムがかなりのリソースを消費していることに注目 データを収集、検証、抽出します。