课程主页: https://www.coursera.org/learn/gcp-production-ml-systems
在这个名为《生产机器学习系统》的Coursera课程中，学员们将深入探讨如何在生产环境中构建高效的机器学习系统。课程全面涵盖了构建这些系统所需考虑的一些常见因素，例如静态训练、动态训练、静态推理、动态推理、分布式TensorFlow和TPU等。
该课程不仅关注机器学习模型的预测准确性，还致力于探讨优质机器学习系统的其他特征。课程大纲包括多个模块：
1. **Google Cloud上的高级机器学习介绍**：本模块介绍了课程中将要讨论的主题，以及如何使用Qwiklabs来完成实验。
2. **架构生产机器学习系统**：本模块探讨了生产机器学习系统需要具备的其他功能，以及如何满足这些需求。学员将回顾在训练和模型服务中做出重要的高层设计决策，以确保模型的性能。
3. **设计适应性强的机器学习系统**：在这一模块中，学员将学习如何识别模型对数据的依赖，做出成本意识的工程决策，了解何时回滚模型至早期版本，调试模型行为的原因，并实施一个对特定依赖类型免疫的管道。
4. **设计高性能机器学习系统**：在这一模块中，学员将识别机器学习模型的性能考虑因素。并非所有机器学习模型都是相同的，某些模型重视I/O性能改善，而其他模型则专注于提高计算速度。
5. **构建混合机器学习系统**：了解可用的工具和系统，以及在何种情况下利用混合机器学习模型。
6. **总结**：本模块回顾课程中学习到的内容。
总体而言，这门课程提供了对生产环境中机器学习系统的深入理解，适合希望提高其机器学习技能的开发者与数据科学家。通过理论与实践的结合，学员不仅能掌握实际操作，还能明白在构建高效的机器学习系统过程中应该注意的关键因素。值得一提的是，课程通过使用最新的Google Cloud技术，使学习者能够实战体验现代机器学习的最佳实践。
课程主页: https://www.coursera.org/learn/gcp-production-ml-systems