MLOps 各階段

MLOps 概念

Folkert Stijnman

ML Engineer

MLOps 生命週期

為何需要機器學習生命週期？

• 結構化 ML 流程
• 定義各階段關鍵角色
• 最佳化工具箱

設計階段

 

• 問題脈絡
• 增加的價值
• 商務需求
• 關鍵指標
• 資料處理

開發階段

 

• 開發機器學習模型
• 嘗試資料、演算法與超參數
• 模型可部署

部署階段

 

• 將機器學習模型整合進業務
• 在正式環境部署模型
• 監控效能

MLOps 生命週期

一起來練習吧！

MLOps 概念