MLOps 部署与生命周期管理

MLOps 部署与生命周期管理

探索现代 MLOps 框架，包括机器学习模型的生命周期和部署。 在本课程中，你将学习如何编写可最大限度减少技术债务的机器学习代码，了解部署和监控模型所需的工具，并探讨你将遇到的不同类型的环境和分析。

了解 MLOps 生命周期

在你收集、准备并标注好数据，针对不同模型进行了大量实验，并用冠军模型验证了你的概念之后，就该进入下一步了。 构建。 部署。 监控。 保持。 这就是你的模型一旦准备投入生产后的生命周期。 这就是 MLOps 中的 Ops 部分。这门课程将向你展示如何驾驭模型价值交付之旅的第二章，为后续更多章节树立标杆。 你将首先探索 MLOps 生命周期，了解 MLOps 的重要性，以及模型开发、部署、监控和维护的关键功能组件。

开发用于部署的机器学习代码

接下来，你将学习如何开发用于部署的模型，以及如何编写高效的机器学习代码、利用工具并训练机器学习流水线。 随着学习的深入，你将了解如何部署模型，探索不同的部署环境以及何时使用它们。 你还将制定替换现有生产模型的策略，并研究 API。

学习如何监控您的模型

在完成这门课程的过程中，你将了解用于监控和维护 ML 模型的关键性能指标。 你将学习生产环境中的漂移监控，以及模型反馈、更新和治理。完成后，您将了解如何使用 MLOps 生命周期将自己的模型部署到生产环境中。