本章将介绍 MLOps，以及为何对希望同时设计、开发并运营多项机器学习应用的企业至关重要。您将学习 MLOps 的关键要素，如扩展与自动化、带来的收益，以及为何实施仍具挑战。您还将从技术与管理两个角度，了解开启 MLOps 之旅所需的条件。

什么是 MLOps？

MLOps：一组实践，用于……

MLOps 有哪些特征？

MLOps 的商业论据

与 MLOps 相关的领域

如何为 MLOps 投资

投资 MLOps 的理由

为 MLOps 夯实基础

MLOps 团队成员

MLOps 的前提条件

MLOps 的要素

MLOps 概述

在第二章，您将学习完整的 MLOps 生命周期，从设计、开发到部署与运维。您将了解为何监控对高效的机器学习应用不可或缺，以及我们为何必须定期对机器学习模型进行再训练。

端到端解读 MLOps

MLOps 生命周期的十个关键步骤

MLOps 应用的主要阶段

MLOps 主要阶段中的关键任务

设计阶段

推迟设计阶段的任务

成功蓝图：设计您的 MLOps 项目

开发阶段

开发任务

开发阶段中的角色分工

监控、再训练与替换 MLOps 应用

MLOps 生命周期的特征

开发 MLOps 用例中的个人职责

MLOps 生命周期

MLOps 全生命周期

在第三章，您将从理论走向实践，识别部署机器学习模型的主要挑战与风险。您还将了解高效的 MLOps 团队如何开展工作，以及管理层如何推动机器学习能力的成功规模化。

与 MLOps 相关的业务挑战与风险

MLOps 的难点是什么？

传统软件 vs. MLOps

潜在的 MLOps 业务风险

MLOps 团队如何高效运作

DevOps 风格的团队

实施 MLOps 的挑战

当下的 MLOps 现状

关于 MLOps 的一条错误说法

为什么 MLOps 充满挑战

MLOps：从理论到实践

最后一章将通过最佳实践与常见误区，讲解如何成功启动您企业的 MLOps 之旅。最后，您将审视 MLOps 的不同成熟度水平，并通过一个关于为关键生产流程设计、开发与运营机器学习应用的真实案例，完成本课程的学习。


企业如何全面具备 MLOps 能力

有效的 MLOps KPI

数据科学流程

部署成熟度排序

选项

刚开始 MLOps 之旅

MLOps 中级就绪

完全成熟的 MLOps

MLOps 成熟度

MLOps 的最佳实践与常见陷阱

我们需要测试什么？

MLOps 最佳实践

取决于用例

（不）是最佳实践

MLOps 案例研究：用 MLOps 提升利润

成功之处

不足之处

案例研究要点

总结

MLOps 实战观察


学习 MLOps 的核心概念与实践。这是一组用于自动化并扩展机器学习应用的前沿工具与技术。

过去，机器学习模型的开发往往冗长且依赖人工，大多数模型最终无法投入生产。借助 MLOps，企业可以有效扩展并自动化机器学习模型的设计、开发与运行。

本课程将带您理解什么是 MLOps，以及如何用它帮助企业全面迈向成熟的机器学习能力。您将了解实施 MLOps 的要求、涉及的工具、技术与团队角色，并学会如何规避常见陷阱。

在课程结束时，您将深入掌握如何在规模化场景下设计、开发与运营机器学习应用，并能充分发挥机器学习对业务的影响力。

<h2>探索面向商业的 MLOps</h2>
了解 MLOps 的核心概念和实践，这是一套新兴的工具和技术，用于自动化并扩展机器学习应用。

机器学习模型开发过去是一项耗时的手工任务，而且大多数模型最终都未能投入生产。 借助 MLOps，企业可以有效地扩展并自动化机器学习模型的设计、开发和运行。
<h2>学习在您的业务中使用机器学习运维</h2>
本课程将向您介绍什么是 MLOps，以及如何利用它成为一家完全成熟的机器学习公司。 您将了解 MLOps 的要求、所涉及的工具、技术和人员，以及如何避免常见陷阱。

你将首先了解 MLOps 的主要要素，以及为什么它对于希望设计、开发和运行多个机器学习应用的企业至关重要。
<h2>探索 MLOps 生命周期</h2>
接下来，你将探索整个 MLOps 生命周期，从设计到开发、部署和运维。 在第 3 章中，你将了解在实践中部署机器学习模型的主要挑战和风险。

最后，你将了解在现实世界中成功实施 MLOps 的最佳实践和案例研究。

在课程结束时，你将深入了解如何大规模设计、开发和运行机器学习应用，并能够利用机器学习为您的业务带来影响。


Machine Learning for Business

面向业务的 MLOps

了解 MLOps，包括自动化和扩展机器学习应用所需的工具和实践。

我们需要测试什么？

面向业务的 MLOps

动手互动练习