自动化与扩展能够显著提升机器学习全生命周期各环节的速度与质量。
在本练习中，您将判断某个组件如何同时促进自动化与扩展。请将问题拖放到正确的组件上。
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
首先，您将学习 MLOps 的核心特性。您将探索机器学习生命周期、其各个阶段，以及与 MLOps 流程相关的角色。
接着，您将学习机器学习生命周期中的设计与开发阶段。您将了解价值增量评估、数据质量、特征存储与实验追踪。
在本章中，您将深入学习与将机器学习部署到生产相关的概念，例如运行时环境、容器化、CI/CD 流水线与部署策略。
当前练习
最后，您将学习如何在生产中维护机器学习模型，包括统计与计算监控、再训练、不同的 MLOps 成熟度等级，以及可用于简化机器学习生命周期流程的工具。
