MLE.1  機械学習要求分析：

本プロセスにおける機械学習は、ソフトウェアとして実装されるものを想定しています。
そのため、機械学習要求に対する要求は、SWE.1で扱うソフトウェア要求の一部として位置づけられ、SWE.1と同様に機械学習要求としての実現可能性、検証可能性等の分析が求められます。
また、後述のSUP.11 機械学習データ管理のための管理要求として、機械学習データに対する要求もこのプロセスで扱われます。

MLE.2 機械学習アーキテクチャ：

MLE.2では、機械学習におけるトレーニングや機械学習のデプロイを行うためのアーキテクチャを決定すること。そして、その決定したアーキテクチャが意図通りであることを確認することが求められます。このアーキテクチャには、機械学習モデル、前後処理、ハイパーパラメータ（モデルのパフォーマンスを決定するためのパラメータ）も含まれます。
また、機械学習を行うためのハイパーパラメータの初期値の設定や、トレーニングおよび運用に必要なリソースの決定も含まれます。

MLE.3 機械学習トレーニング：

MLE.3では、機械学習要求を満たすようにモデルに対するトレーニングを実施することが求められます。
そのため、トレーニングや妥当性確認の開始／終了基準、ハイパーパラメータの最適化方法、学習用データの作成／変更方法、実施環境などを決定し、作成された学習用データを用いてトレーニングを実施します。
なお、本プロセスで用いられる妥当性確認という用語は、VAL.1の妥当性確認とは異なり、上記トレーニングにおけるハイパーパラメータの最適化を意味しています。

MLE.4 機械学習モデルテスト：

MLE.4では、トレーニング済みのモデル、およびトレーニング済みのモデルから導出されたデプロイ用のモデルが、機械学習要求を満たしていることを保証することが求められます。
そのため、テストの開始／終了基準、テストに用いるデータセット、期待されるテスト結果、テスト用データの作成／変更方法、実施環境などを決定し、モデルに対するテストを実施します。

SUP.11 機械学習データ管理：

一連の機械学習エンジニアリングプロセスに用いる機械学習データに対する管理プロセスとして、SUP.11が新たな支援プロセスとして追加されました。
本プロセスでは、データ管理のための活動、データを管理するためのリソース、データのライフサイクル、利害関係者の窓口などを含んだデータ管理の仕組みを確立することや、データの品質を維持するため活動が求められます。