生产环境机器学习系统

预计单元时间：70 分钟

学习目标

• 感谢生产环境机器学习系统中组件的广度。
• 选择理想的训练范式（静态与动态）。
• 选择理想的推理范式（静态与动态）。
• 测试您的机器学习部署。
• 提出与您的生产型机器学习系统相关的正确问题。
• 确定实际机器学习模型中的缺陷。
• 监控生产环境机器学习系统中的组件。

前提条件：

本单元假定您熟悉 以下模块：

• 机器学习简介
• 线性回归
• 处理数值数据
• 使用分类数据
• 数据集、泛化和过拟合

到目前为止，本课程侧重于构建机器学习 (ML) 模型。 不过，如图 1 所示，现实世界中的生产环境机器学习系统规模庞大 而这个模型只是一个相对较小的部分。

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

</ph> 图 1.现实世界中的生产型机器学习系统包含许多组件。

 

机器学习生产系统的核心是机器学习。 但它通常只占总代码库的 5% 或更少， 系统。这不是印刷错误；远远低于 预期。请注意，机器学习生产系统投入了大量资源， 对输入数据进行增强：收集数据、对其进行验证，以及从中提取特征。