知识卡片
机器学习数据架构边界
机器学习系统的数据架构需围绕摄取、准备、训练、部署和监控评估流水线设计,还包括样本库与特征池等专门对象。普通业务系统的数据分区方法不足以覆盖全部需求,不能把新增一个训练服务视为已经完成机器学习数据架构。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
最后做一下补充,对于数据密集型系统,除了本节已讲的内容之外,此处我们以(最具代表性的)机器学习系统为例,再给出两点建议:第一,其数据架构复杂度更高,设计方式和步骤也具有领域独特性,要与机器学习流水线(包括数据摄取、数据准备、模型训练、模型部署以及监控评估)相契合,以此为线索展开;第二,其数
参考来源
- 位置:《软件平台架构设计与技术管理之道》第03章《平台视角,顶层设计》(来源项目 book-sources,extracted/软件平台架构设计与技术管理之道/_epub-src/index_split_037.html)
- 结论依据:本节的设计对象、约束和示例支持上述方法;原文的经验建议不视为普遍保证。
- 原始内容:最后做一下补充,对于数据密集型系统,除了本节已讲的内容之外,此处我们以(最具代表性的)机器学习系统为例,再给出两点建议:第一,其数据架构复杂度更高,设计方式和步骤也具有领域独特性,要与机器学习流水线(包括数据摄取、数据准备、模型训练、模型部署以及监控评估)相契合,以此为线索展开;第二,其数