您已经了解了传统软件开发与构建机器学习系统在成本上的差异。
在本练习中，您将对给出的陈述进行分类。每条陈述要么对应传统软件开发的成本，要么对应机器学习系统中的隐藏技术债相关成本。
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
在本章中，我们将以工业场景为背景，阐述采用 MLOps 的动机。您将学习它如何帮助企业持续创造业务价值。我们还会回顾 ML 的各个阶段，并重点说明 MLOps 如何强化这些环节。章节末尾，您将探索一个全自动 MLOps 系统的参考架构。随后，您将以该架构为基础，了解任何 MLOps 系统都重要的组件，并为后续课程做好铺垫。
当前练习
在本章中，您将继续探索构成全自动 MLOps 系统的关键组件。首先，您将了解编排在 MLOps 中的重要性，以及它如何保障 ML 流水线的高效与可扩展。接着，您将考察 MLOps 中不同的部署策略，并学习如何为您的系统选择合适的方案。最后，您将学习 CI/CD/CT/CM，以及它们如何与编排和最佳实践相辅相成，从而实现 MLOps 系统的全面自动化。掌握这些内容后，您将更有能力构建高效、精准、可靠的全自动 MLOps 系统。
在本章中，您将深入自动化领域，学习如何设计更具韧性且更高效的 ML 系统。您将先理解 MLOps 系统中自动化的基础，再进一步掌握设计模式与失效保护机制的作用。您还将学习如何在 MLOps 系统中实施自动化测试，并利用超参数调优优化模型与工作流。到本章结束时，您将具备构建与管理既高效又可靠的全自动 MLOps 系统所需的技能与知识。
在最后一章，您将深入剖析自动化 MLOps 架构的关键组件。从自动化实验跟踪与模型注册表，到特征存储与元数据存储的角色，本章将帮助您全面理解全自动 MLOps 系统的细节。不论您是经验丰富的 ML 从业者，还是刚刚起步，本章都将为您提供设计自动化 MLOps 工作流所需的知识与技能。
