为了判断数据集的质量，分别检查每个数据质量维度非常有价值。这有助于找出哪些维度的数据质量已达标，哪些维度仍可改进。
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。
