机器学习21:机器学习工程落地注意事项-I

本文探讨了机器学习模型在生产环境中的实施细节,包括静态训练与动态训练的选择,以及静态与动态推理的优缺点。强调了数据在机器学习系统中的重要性,提出了数据可靠性、版本控制、必要性、相关性和反馈回路等问题,并以实际案例说明了模型影响自身训练数据的可能性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目录

 1.静态训练与动态训练

1.1 如何选择训练方式?

2.静态与动态推理

2.1 离线推理的优缺点

2.2 在线推理的优缺点

3.数据依赖性

3.1 可靠性

3.2 版本控制

3.3 必要性

3.4 相关性

3.5 反馈回路

4.参考文献


到目前为止,【机器学习1~20】所述内容都是围绕构建 ML 模型展开的。然而,如下图所示,现实世界的生产机器学习系统是大型生态系统,模型只是其中的一部分(更准确地说,是很小的一部分)。

图 1. 实际生产机器学习系统

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Jin_Kwok

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值