假设您正在开展一个机器学习项目,目标是预测基于订阅的服务中的客户流失。常见的数据质量问题包括不准确、缺失、前后不一致以及信息过时。
请选择最能代表该场景下数据质量问题的三条陈述。
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。