面向生产环境的机器学习模型开发

当今大部分与机器学习相关的内容都聚焦于模型训练和参数调优，但90%的实验性模型最终都无法投入生产，主要是因为它们并非为长期使用而构建。 在本课程中，你将了解如何将思维方式从机器学习工程思维转变为 MLOps（机器学习运维）思维，从而让你能够以最佳状态训练、记录、维护并扩展你的模型，充分发挥其潜力。

轻松进行实验并记录

尝试机器学习模型通常很有趣，但也很耗时。 在这里，你将学习如何设计可重复的实验，以加快这一过程，同时为自己和团队成员编写文档，让未来在该流水线上的工作轻松许多。

构建用于生产环境的 MLOps 模型

您将学习用于将模型和环境打包与序列化以投入生产的最佳实践，从而确保模型尽可能长久地运行。

扩展并自动化您的机器学习流水线

通过考虑模型和数据复杂性以及持续自动化，您可以确保您的模型能够扩展到生产环境中使用，并且能够在转瞬之间完成监控和部署。

完成本课程后，您将能够设计和开发可投入生产的机器学习模型，并随着时间不断改进它们。