שלב 6: פריסת המודל שלכם
קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
תוכלו לאמן, לכוונן ולפרוס מודלים של למידת מכונה ב-Google Cloud.
כשפורסים את המודל, חשוב לזכור את הנקודות החשובות הבאות:
- חשוב לוודא שנתוני הייצור לפי אותה התפלגות של נתוני האימון וההערכה.
- כדאי להעריך מחדש באופן קבוע על ידי איסוף של נתוני אימון נוספים.
- אם התפלגות הנתונים משתנה, צריך לאמן מחדש את המודל.
אלא אם צוין אחרת, התוכן של דף זה הוא ברישיון Creative Commons Attribution 4.0 ודוגמאות הקוד הן ברישיון Apache 2.0. לפרטים, ניתן לעיין במדיניות האתר Google Developers. Java הוא סימן מסחרי רשום של חברת Oracle ו/או של השותפים העצמאיים שלה.
עדכון אחרון: 2025-07-27 (שעון UTC).
[null,null,["עדכון אחרון: 2025-07-27 (שעון UTC)."],[[["\u003cp\u003eGoogle Cloud provides a platform for training, tuning, and deploying machine learning models.\u003c/p\u003e\n"],["\u003cp\u003eMaintaining data consistency between training, evaluation, and production is crucial for optimal model performance.\u003c/p\u003e\n"],["\u003cp\u003eContinuous model improvement involves regular data collection, reevaluation, and retraining to adapt to evolving data distributions.\u003c/p\u003e\n"]]],[],null,["# Step 6: Deploy Your Model\n\nYou can train, tune, and deploy machine learning models on Google Cloud.\nPlease keep in mind the following key things when deploying your model:\n\n- Make sure your production data [follows the same distribution](https://developers.google.com/machine-learning/guides/rules-of-ml/?utm_source=DevSite&utm_campaign=Text-Class-Guide&utm_medium=referral&utm_content=rules-of-ml&utm_term=distribution#training-serving_skew) as your training and evaluation data.\n- Regularly re-evaluate by collecting more training data.\n- If your data distribution changes, retrain your model."]]
