在本互动练习中，您将对用于在机器学习流水线中平衡模型复杂度与可扩展性的各类技术和策略进行分类。这是机器学习流程中的重要环节，可确保您构建的模型既有效又高效。
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
本章将为您提供把机器学习模型从研发阶段迁移到生产环境所需的技能和知识。您将了解如何把研究原型演化为可靠、可扩展、易维护的系统。
在本章中，您将了解可复现性在机器学习中的重要性，以及如何确保模型在时间推移中仍保持可复现和可信。您将探索多种技术与最佳实践，用于保障模型的可复现性。
在第 3 章中，您将审视将机器学习模型部署到生产环境所面临的各类挑战。您将学习在生产中部署 ML 模型的多种方法，以及对生产中的 ML 模型进行监控与维护的策略。
当前练习
在最后一章中，您将学习测试机器学习流水线的多种方式，并确保其按预期运行。您将了解测试 ML 流水线的重要性，并掌握测试与验证 ML 流水线的技术。
