了解商務問題
若要從機器學習模型取得值，您必須將其部署。 每當您部署模型時，只要產生預測，就能提供深入解析。
在醫療保健新創公司 Proseware 中，您已協助開發 Web 應用程式，可協助醫生更快速地診斷病患的疾病。 醫生輸入病患的醫療資訊時，應用程式將能夠提供該病患罹患疾病機率的深入解析。
第一個使用案例是協助醫生更快速地診斷出糖尿病。 在研究醫療資料後，資料科學小組已定型模型來診斷病患是否可能罹患糖尿病。 此模型已精確到可以實行。 現在的挑戰在於如何使用 Web 應用程式中的模型來產生預測。
由於模型和應用程式的設計目的是要在醫生需要時提供協助，因此您不需要在所有病患上使用此模型。 反之，您希望讓醫生在有理由認為病患可能罹患糖尿病的情況下，可以在 Web 應用程式中輸入病患的資料。 為避免進行成本高昂且不必要的測試，模型對於患者罹患糖尿病機率的預測會作為第一個篩選條件，藉此決定誰應該接受測試以及誰不應該進行測試。
未來，會有更多可協助診斷疾病的機器學習模型新增至 Web 應用程式。 為了協助醫生根據資料做出更多與是否須接受測試的測試，以驗證患者是否罹患疾病。
第一個專案的目的是確保醫生可以在應用程式中輸入個人的醫療資訊，並取得直接預測資料判斷該病患罹患糖尿病的機率。 透過直接預測資料，醫生可以在與病患的諮詢期間使用 Web 應用程式，快速做出後續療程的決策。
換句話說，您必須將模型部署至即時端點。 Web 應用程式應該能夠將病患的資料傳送至端點，並取得傳回的預測資料。 然後，應該將 Web 應用程式中的預測資料視覺化，以協助醫生判斷。
若要部署模型，您需要：
- 註冊模型。
- 部署模型。
- 測試已部署的模型。