# 機器學習應用面臨的一些問題#
機器學習應用面臨的一些問題如下所示：
監測：怎麼知道你的資料分佈已經改變以及需要重新訓練模型？
資料標註：如何快速地標註新資料，或者為新模型重新標註現有資料？
CI/CD 測試：由於你不能花幾天的時間等著模型訓練和收斂，所以如何執行測試以確保每次改變後模型像期望地那樣執行？
部署：如何封裝和部署新模型或者替換現有模型？
模型壓縮：如何壓縮 ML 模型使其擬合消費類裝置？
推理最佳化：如果加速模型的推理時間？是否可以將所有操作融合在一起？是否可以採用更低精度？縮小模型或許可以加速推理過程。
邊緣裝置：硬體執行 ML 演算法速度快且成本低。
隱私：如何在保護隱私的同時利用使用者資料來訓練模型？如何使流程符合《通用資料保護條例》（GDPR）？
