开发阶段

面向业务的 MLOps

Arne Jonas Warnke

Head of Emerging Curriculum

开发阶段的重要步骤

 

数据准备或特征工程

 

数据准备或特征工程

在此：

• 在中心化数据库中提供数据
• 将数据格式化为 ML 模型可用
• 特征工程
  • 分组数据
  • 替换缺失值
  • 处理极端观测

参与者

• 数据工程师、数据科学家、业务专家

$$

模型训练或试验

模型训练或试验

任务：

• 训练并调优机器学习模型
• 与备选方案比较
• 评估其表现

重要

• 自动记录所有结果

 

职责

• 数据科学家 / 机器学习工程师

$$

模型评估

模型评估

$$

我们需检查：

• 是否满足业务要求？
  • 如数据隐私
• 模型压力测试
  • 模拟极端条件
• 模型行为
  • 是否公平？

$$

职责

• 数据科学家 / 机器学习工程师

测试与验证

测试与验证

将软件工程

• 测试与
• 最佳实践

应用于 ML 模型，例如：

• 模型不会对更广泛系统产生有害影响

职责

• 软件工程师 / 机器学习工程师

实践：模型开发

面向业务的 MLOps