谈到可靠性与可复现性，工具、最佳实践和收益非常多，也容易让人混淆！本练习将邀请您思考 MLOps 的若干要素，以及它们在整体图景中的定位。
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
本章将为您提供把机器学习模型从研发阶段迁移到生产环境所需的技能和知识。您将了解如何把研究原型演化为可靠、可扩展、易维护的系统。
在本章中，您将了解可复现性在机器学习中的重要性，以及如何确保模型在时间推移中仍保持可复现和可信。您将探索多种技术与最佳实践，用于保障模型的可复现性。
当前练习
在第 3 章中，您将审视将机器学习模型部署到生产环境所面临的各类挑战。您将学习在生产中部署 ML 模型的多种方法，以及对生产中的 ML 模型进行监控与维护的策略。
在最后一章中，您将学习测试机器学习流水线的多种方式，并确保其按预期运行。您将了解测试 ML 流水线的重要性，并掌握测试与验证 ML 流水线的技术。
