机器学习21：机器学习工程落地注意事项-I

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

ML 代码是现实世界 ML 生产系统的核心，但该框通常仅占整个 ML 生产系统整体代码的 5% 或更少。在实际应用中，机器学习生产系统需投入大量资源来输入数据——收集数据、验证数据并从中提取特征。此外，服务基础设施必须到位，才能将 ML 模型的预测付诸现实世界的实际应用。