相較於機器學習應用，傳統軟體對輸入資料的依賴程度低得多，且其結果通常是決定性的，也就是我們大致能預期輸出。因此，營運與監控機器學習模型要困難得多。
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。
