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。 

什麼是 MLOps？

MLOps：一組實務做法用來...

MLOps 的特性是什麼？

採用 MLOps 的商業理由

與 MLOps 相關的領域

如何投資 MLOps

為什麼要投資 MLOps

為 MLOps 奠定基礎

MLOps 團隊成員

MLOps 的先決條件

MLOps 的要素

MLOps 概論

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。 

端到端解說 MLOps

MLOps 生命週期的 10 個重要步驟

選項

設計

（模型）開發

營運

MLOps 應用的主要階段

開發

MLOps 主要階段中的重要任務

設計階段

延後設計階段的工作

成功藍圖：設計你的 MLOps 專案

開發階段

MLOps 開發階段

開發階段的任務

資料工程師

資料科學家

軟體工程師

開發階段中的角色分工

監控、再訓練與替換 MLOps 應用程式

MLOps 生命週期的特性

資料科學家／ML 工程師

在 MLOps 案例開發中的個別職責

MLOps 流程

MLOps 生命週期

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。  

與 MLOps 相關的商業挑戰與風險

為什麼 MLOps 這麼具挑戰？

傳統軟體 vs. MLOps

MLOps 潛在的商業風險

MLOps 團隊如何成功運作

DevOps 風格的團隊

導入 MLOps 的挑戰

MLOps 的現況

關於 MLOps 的錯誤敘述

為什麼 MLOps 具有挑戰

MLOps：從理論到實務

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。


企業如何達到完整的 MLOps 就緒狀態

有效的 MLOps KPI

部署成熟度排序

MLOps 成熟度

MLOps 的最佳實務與常見陷阱

我們需要測試什麼？

（不）是最佳實務

MLOps 案例研究：用 MLOps 提升獲利

案例研究的重點

總結

真實世界中的 MLOps


學習 MLOps 的核心概念與實務——這是一組新興的工具與技術，用來自動化並擴展機器學習應用。

以往機器學習模型的開發往往耗時且仰賴人工，多數模型也無法真正上線。運用 MLOps，企業可以有效擴大並自動化機器學習模型的設計、開發與營運。

本課程將帶你認識什麼是 MLOps，以及如何運用它讓公司成為在機器學習上更成熟的組織。你會了解導入 MLOps 的必要條件、所需的工具與技術、相關角色分工，以及如何避開常見的陷阱。

完成本課程後，你將深入理解如何在規模化情境下設計、開發並營運機器學習應用，並能放大機器學習對你業務的影響力。

Machine Learning for Business

了解MLOps，包括自動化和擴展機器學習應用所需的工具和實踐。

商務 MLOps

將以 -9999 編碼的遺漏值改為真正的遺漏值。

確保變數能在不同機器學習產品之間重複使用。

把所有變數或特徵提供到稱為 feature store 的中央資料庫中。

開發用來替代遺漏值的演算法。

監控並維護自動化單元測試（為所有軟體程式碼測試的一部分）。

確認機器學習模型的程式碼遵循公司層級的風格指南。

開發階段中的角色分工

商務 MLOps

動手互動練習