导读MLOps是AI(人工智能)领域中一个相对较新的概念，代表机器学习操作。关于如何最好地管理数据科学家和操作人员，以便有效地开发，部署和监视
MLOps是AI(人工智能)领域中一个相对较新的概念，代表“机器学习操作”。关于如何最好地管理数据科学家和操作人员，以便有效地开发，部署和监视模型。
“ MLOps是在AI上下文中DevOps的自然发展，”东密歇根大学信息安全与应用计算学院(SISAC)网络安全教授Samir Tout说。“尽管利用了DevOps对安全性，合规性和IT资源管理的关注，但MLOps的真正重点在于模型及其可伸缩性的一致，顺畅开发。”
MLOps的起源可以追溯到2015年，该论文的标题为“机器学习系统中的隐藏技术债务”。从那时起，增长一直非常强劲。考虑到MLOps解决方案的市场预计到2025年将达到40亿美元。
“由于技术泛滥和孤立无援，将ML模型放入生产，运营模型和扩展用例中对于公司来说是一个挑战，”Cloudera的高级产品营销经理兼数据工程师Santiago Giraldo说。“实际上，有87%的项目没有超过实验阶段，因此永远不会投入生产。”
“一些关键的最佳实践包括具有可重现的数据准备和培训流程，具有定义明确的指标的集中实验跟踪系统，以及实施模型管理解决方案，该解决方案可以轻松比较各种指标之间的替代模型并回滚到Databricks首席技术专家Matei Zaharia说。“这些工具使ML团队更容易了解新模型的性能以及捕获和修复生产中的错误。”