在最新的开发者影响力系列中，Ampere® Computing 的 Dave Neary 与密尔沃基工程学院的 R.J. Nowling 博士展开对话，探讨该校如何弥合理论机器学习（ML）与真实生产系统之间的鸿沟，并介绍学生如何学习构建能够在日常软件中运行的“真实”ML 系统，而不仅仅是精巧的数学模型。Nowling 博士指出，许多学校教授学生如何设计智能计算机模型，而 MSOE 则试图更进一步。其核心理念是：如果模型仅在实验室环境中有效，则并无实际助益。在现实世界中，一个可运行的系统还需包含其他组成部分——例如获取新鲜数据、连接数据库、将原始信息转换为模型可使用的数值格式，以及持续监控模型随时间推移的性能表现。