既然你已經學過各種 MLOps 工具與不同階段,現在來檢視你是否記得每個任務該用哪些工具。使用 MLOps 專用工具通常比自己從頭打造更好,因為這些工具背後的團隊是為了機器學習生命週期中的特定環節而打造它們。
即使有些工具相當多才多藝,能應用在不同階段,還是請盡量將工具歸到最合適的類別中。
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
你將先學習 MLOps 的核心特性。接著探索機器學習生命週期、其各個階段,以及與 MLOps 流程相關的角色分工。
接下來,你將學到機器學習生命週期中的設計與開發階段。你會探索價值增益評估、資料品質、特徵儲存,以及實驗追蹤。
本章將帶你深入了解把機器學習部署到生產環境的相關概念,例如執行階段環境、容器化、CI/CD 流程,以及部署策略。
最後,你將學到如何在生產環境維護機器學習,包含統計與運算監控、再訓練、不同的 MLOps 成熟度層級,以及可用於機器學習生命週期中以簡化流程的工具。
當前練習