機器學習專案會分階段進行 特定目標、任務和成果清楚瞭解機器學習開發階段有助於建立工程責任、管理相關人員的期望，以及有效率地分配資源。
成功通過各個階段 (通常反覆進行) 是設計、組合及建構機器學習模型的基礎，以便能長期解決業務問題。
整體來說，實作機器學習解決方案包含下列階段：
- 構思與規劃
- 實驗
- 建構管道
- 實際應用
構思與規劃
在構思和規劃階段，您可以根據機器學習解決方案來構思問題，並評估專案的可行性。
- 目標：判斷機器學習是否是解決問題的最佳解決方案。
- 工作：分析業務問題以瞭解專案的限制。
- 結果：概述如何運用機器學習解決方案解決問題的設計文件。如需機器學習設計文件範例，請參閱 go/ml-design-doc-example。
在廣播中觀看即可取得影片轉錄稿。如果未顯示轉錄稿，請按一下 「轉錄稿」圖示。
實驗
實驗是機器學習的核心。在此階段，您需要確認機器學習解決方案是否可行。找出解決方案是一個疊代的過程我們不常嘗試進行數百次實驗，然後再找出能解決問題的特徵、超參數和模型架構組合。
- 目標：建立模型來解決業務問題。
- 工作：使用功能、超參數和模型架構進行實驗。
- 結果：品質夠好，可進入實際工作環境的模型。
在廣播中觀看即可取得影片轉錄稿。如果未顯示轉錄稿，請按一下 「轉錄稿」圖示。
建構管道與實際工作環境
在管道建構和生產階段，您會建構管道來處理資料、訓練模型及提供預測結果。然後，您要使用必要的監控和記錄基礎架構，將模型和管道部署至實際工作環境。
- 目標：在實際工作環境中建構及實作用於資源調度、監控及維護模型的基礎架構。
- 工作：建構管道來自動執行許多工作，以便在實際工作環境中更新模型。
- 結果：經驗證的機器學習管道。
在廣播中觀看即可取得影片轉錄稿。如果未顯示轉錄稿，請按一下 「轉錄稿」圖示。
端對端機器學習工作流程
下圖說明整個端對端機器學習工作流程，列出各個階段及其工作與結果：
圖 1：機器學習工作流程的四個主要階段。
注意事項
每個階段都有多項挑戰。如果不實現預期 (也沒有規劃)，以免錯過期限、工程師不滿，以及專案失敗。