课程
MLOps 概念
中级技能水平
更新时间 2025年12月
TheoryMachine Learning2小时16 视频46 道练习2,950 XP42,635成就证明
创建您的免费帐户
继续使用 Google显示更多选项或
继续操作即表示您接受我们的《使用条款》和《隐私政策》，并同意您的数据存储在美国。
深受数千家公司学习者的喜爱
需要团队培训？
企业版试用课程描述
了解机器学习运维（MLOps）
理解 MLOps 概念对于任何数据科学家、工程师或领导者来说都至关重要，这样才能将机器学习模型从本地笔记本带到生产环境中正常运行的模型。在本课程中，您将了解什么是 MLOps，理解 MLOps 流程中的不同阶段，并识别不同级别的 MLOps 成熟度。 在了解了 MLOps 的核心概念后，你将为在实践中持续、可靠且高效地实施机器学习做好充分准备。
了解如何扩展和自动化机器学习
我们如何用最少的时间和资源来扩展我们的机器学习项目？以及我们如何自动化流程，以减少对人工干预的需求并提升模型性能？这些是 MLOps 提供答案的机器学习基础问题。在这门 MLOps 课程中，你将首先了解 MLOps 的基础知识，学习其核心特性以及相关角色。 接下来，你将更详细地了解机器学习生命周期的各个阶段。
随着你的学习进展，你还将了解用于更好地扩展和自动化机器学习运维的系统和工具，包括特征存储、实验跟踪、CI/CD 流水线、微服务和容器化。 你将探索 MLOps 的关键概念，从而更深入地理解它们的应用。
先决条件
Understanding Machine LearningUnderstanding Data Engineering1
Introduction to MLOps
First, you’ll learn about the core features of MLOps. You’ll explore the machine learning lifecycle, its phases, and the roles associated with MLOps processes.
2
Design and Development
Next, you’ll learn about the design and development phase in the machine learning lifecycle. You’ll explore added value estimation, data quality, feature stores, and experiment tracking.
3
Deploying Machine Learning into Production
In this chapter, you’ll dive into the concepts relevant to deploying machine learning into production, such as runtime environments, containerization, CI/CD pipelines, and deployment strategies.
4
Maintaining Machine Learning in Production
Finally, you’ll learn about maintaining machine learning in production, with concepts such as statistical and computational monitoring, retraining, different levels of MLOps maturity, and tools that can be used within the machine learning lifecycle to simplify processes.
MLOps 概念
课程完成 加入超过19百万学习者，今天就开始MLOps 概念！
创建您的免费帐户
继续使用 Google显示更多选项或
继续操作即表示您接受我们的《使用条款》和《隐私政策》，并同意您的数据存储在美国。
通过 DataCamp for Mobile 提升您的数据技能
随时随地通过我们的移动课程和每日 5 分钟编程挑战提升技能。