Koneoppimismallin kehitys vaihe vaiheelta ja käyttö rajapinnan kautta.
Määrittele mitä ML mallilla tavoitellaan, mitkä ovat mittarit. Mitä dataa tarvitaan ja mistä se kerätään ja minne tallennetaan.
Puhdistus, muunnokset ja piirteiden muodostus, joilla datasetistä tehdään mallille sopiva ja toistettava.
Valitse sopiva malli, kouluta ja optimoi hyperparametrit. Huomioi myös selitettävyys ja latenssi.
Varmista laatu, vie tuotantoon ja rakenna ylläpito: monitorointi, driftin tunnistus ja versiointi.
Pakkaa malli palveluksi: selkeä sopimus (request/response), autentikointi ja versionointi.