Arendajad soovivad hinnata kohapeal õppemeetodite leida kasvava hulga spetsialiseeritud riist- ja platvormid, mis on sageli häälestatud masin õppe arhitektuur ja liigi. Kuigi need spetsiaalsed platvormid on hädavajalikud paljude masinate rakendused, mõned arendajad uus masin õppe on valmis tegema teadlikke otsuseid valides ideaalne platvorm.
Arendajad need for masin õppe rakenduste arendamine ja sügavamat järele ja saadud kogemuste saamine kättesaadavamaks platvormi.
Digi-Key artikli "Saada alustatud koos masin õppe abil kergesti kättesaadavaks riistvara ja tarkvara" kirjeldatud arengu järelevalve all kohapeal õpet mudeliks kuuluvad kolmeks:
Andmete ettevalmistamine koolitus mudel
Mudeli rakendamine
Mudel koolitus
Andmete ettevalmistamise ühendab tuttavad andmete meetodeid vaja märgistada erandeid käsitlevatest andmetest koolitusprotsessis lisasamm. Lõplik kahte sammu, masinate mudel spetsialistid, veel hiljuti, vaja rakendada üksikasjalikud arvutused, mis on seotud mudeli algoritme suhteliselt madala matemaatika teekide abil. Masin õppe raamistike kättesaadavus on oluliselt leevendanud keerukust mudeli rakendamine ja koolitus.
Täna, iga arendaja teab Python või toetatud keele saab kasutada neid raamistikke kiiresti kohapeal õppe mudelid võimalik kasutada laias valikus platvormid. See artikkel kirjeldab õppe virna ja koolitusprotsessi enne sattumist kuidas arendada õppe rakenduse Vaarika Pi 3 masin masin.Stephen Evanczuk poolt
