Cho đến nay, khoá học này tập trung vào việc xây dựng mô hình học máy (ML).
Tuy nhiên, như Hình 1 cho thấy, các hệ thống học máy sản xuất trong thế giới thực có quy mô lớn
và mô hình chỉ là một phần tương đối nhỏ.
Hình 1. Một hệ thống học máy sản xuất thực tế bao gồm nhiều thành phần.
Trọng tâm của hệ thống sản xuất công nghệ học máy trong thế giới thực là công nghệ học máy
nhưng thường chỉ chiếm 5% hoặc ít hơn tổng cơ sở mã trong
hệ thống. Đó không phải là lỗi in; số lượng này ít hơn đáng kể so với bạn có thể dự kiến. Lưu ý rằng hệ thống sản xuất công nghệ học máy dành nhiều nguồn lực
vào dữ liệu đầu vào: thu thập, xác minh và trích xuất các tính năng từ dữ liệu đó.
[null,null,["Cập nhật lần gần đây nhất: 2025-07-27 UTC."],[[["This module explores the broader ecosystem of a production ML system, emphasizing that the model itself is only a small part of the overall system."],["You will learn to choose the appropriate training and inference paradigms (static or dynamic) based on your specific needs."],["The module covers key aspects of production ML systems, including testing, identifying potential flaws, and monitoring the system's components."],["As a prerequisite, familiarity with foundational machine learning concepts, including linear regression, data types, and overfitting, is assumed."],["Building upon previous modules, this content shifts focus to the practical aspects of deploying and maintaining ML models in real-world scenarios."]]],[]]
