Schritt 6: Modell bereitstellen
Mit Sammlungen den Überblick behalten Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Sie können Modelle für maschinelles Lernen in Google Cloud trainieren, optimieren und bereitstellen. Beachten Sie beim Bereitstellen Ihres Modells Folgendes:
- Achten Sie darauf, dass Ihre Produktionsdaten derselben Verteilung folgen wie Ihre Trainings- und Evaluationsdaten.
- Führen Sie eine regelmäßige Neubewertung durch, indem Sie mehr Trainingsdaten erfassen.
- Wenn sich Ihre Datenverteilung ändert, trainieren Sie Ihr Modell neu.
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
Zuletzt aktualisiert: 2025-07-27 (UTC).
[null,null,["Zuletzt aktualisiert: 2025-07-27 (UTC)."],[[["\u003cp\u003eGoogle Cloud provides a platform for training, tuning, and deploying machine learning models.\u003c/p\u003e\n"],["\u003cp\u003eMaintaining data consistency between training, evaluation, and production is crucial for optimal model performance.\u003c/p\u003e\n"],["\u003cp\u003eContinuous model improvement involves regular data collection, reevaluation, and retraining to adapt to evolving data distributions.\u003c/p\u003e\n"]]],[],null,["You can train, tune, and deploy machine learning models on Google Cloud.\nPlease keep in mind the following key things when deploying your model:\n\n- Make sure your production data [follows the same distribution](https://developers.google.com/machine-learning/guides/rules-of-ml/?utm_source=DevSite&utm_campaign=Text-Class-Guide&utm_medium=referral&utm_content=rules-of-ml&utm_term=distribution#training-serving_skew) as your training and evaluation data.\n- Regularly re-evaluate by collecting more training data.\n- If your data distribution changes, retrain your model."]]
