MLOps 很具挑戰性；只有少數公司能同時穩定營運上百個機器學習模型。本章我們探討了造成這種情況的不同原因。現在你受邀參加一次投資人電話會議， 因為贊助者想更清楚了解，為什麼你們公司尚未在雲端日以繼夜地執行上千個高準確度的預測模型。
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
第一章將介紹 MLOps，以及為什麼對於想要同時設計、開發並營運多個機器學習應用的企業而言不可或缺。你會學到 MLOps 的關鍵要素，例如擴展與自動化、其帶來的效益，以及為何 MLOps 仍具挑戰。你也會從技術與管理兩個面向，探討如何啟動 MLOps 的旅程。
在第二章，你將學習從設計、開發、部署到營運的完整 MLOps 生命週期。你會了解為何監控對於高效的機器學習應用至關重要，以及為什麼我們必須定期重新訓練機器學習模型。
在第三章，你會從理論走向實務，認識部署機器學習模型的主要挑戰與風險。你也會學到 MLOps 團隊如何成功營運，以及管理階層能如何促成機器學習的成功擴展。
當前練習
最後一章將說明如何成功啟動企業的 MLOps 之旅，並討論最佳實務與應避免的陷阱。最後，你會檢視 MLOps 成熟度的不同層級，並以一個真實案例作結，示範如何為關鍵的生產流程設計、開發與營運一個機器學習應用。
