您已经了解到，治理贯穿整个机器学习项目生命周期：从设计、到开发、再到运维。
在每个阶段，您都需要回答不同的问题，以符合您的机器学习治理框架。
您能否将每个问题与其对应的项目阶段匹配起来？
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
本章概述与部署和生命周期管理相关的 MLOps 原则与关键框架组件。
本章聚焦于在开发阶段就需要考虑的各类要点，以确保进入运维阶段时过程顺畅。 我们的终极目标是讲解如何按照 MLOps 最佳实践训练模型，并构建支持顺利部署、可复现以及部署后可监控的模型包。
本章将讨论模型运维中的关键问题，例如： - 我们可以通过哪些不同方式来提供模型服务？ - 什么是 API？它的核心功能有哪些？ - 在对外提供服务之前，如何对服务进行充分测试？ - 如何在不影响服务的情况下更新生产环境中的模型？ 您将学习批量预测、实时预测、输入与输出数据验证、单元测试、集成测试、金丝雀部署等内容。
最后一章将聚焦于模型服务部署后的监控与维护，以及模型治理。 您将学习到验证延迟、协变量偏移、概念漂移、人参与环系统等关键概念。
当前练习
