由于机器学习项目需要跨学科协作，明确定义并对齐项目中各角色用于衡量成功的不同指标非常重要。这能在整个机器学习生命周期中为项目提供依据与动力。
在本练习中，您将判断每个指标应归属于哪类相关方。
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。
当前练习
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。
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。
