机器学习的开发与部署任务可能相当复杂。因此，能够识别哪些组件最有利于提升自动化与可扩展性非常重要。
下面列出了机器学习生命周期中讨论过的 4 个组件；其中哪一个不促进自动化或可扩展性？
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。
