최신 Developer Impact Series에서 Ampere® Computing의 Dave Neary는 Milwaukee School of Engineering의 R.J. Nowling 박사와 함께 해당 학교가 이론적인 머신러닝(ML)과 실제 프로덕션 시스템 간의 격차를 어떻게 해소하고 있는지, 그리고 학생들이 단순히 영리한 수학 모델이 아닌 "실제" ML 시스템을 구축하는 방법을 배우는 것에 대해 이야기합니다.Nowling 박사는 많은 학교에서 학생들에게 스마트한 컴퓨터 모델을 설계하는 방법을 가르친다고 설명합니다. MSOE는 한 걸음 더 나아가려고 노력합니다. 핵심 아이디어는 다음과 같습니다. 모델이 실험실에서만 작동한다면 유용하지 않습니다. 실제 세계에서 작동하는 시스템에는 신선한 데이터를 얻고, 데이터베이스에 연결하고, 원시 정보를 모델이 사용할 수 있는 종류의 숫자로 변환하고, 시간이 지남에 따라 모델이 여전히 잘 작동하는지 추적하는 것과 같은 다른 부분도 필요합니다.