各種商務情境都在思考如何融入 AI 提供更適切的智慧化服務,在Day 04 : 以資料為中心的人工智慧 Data-Centric AI 介紹透過關注資料為中心的 AI 焦點,更結構化的思考用於生產中的 ML 系統, MLOps 是種系統化思考的精神與落實的方針,也是發展中的學門,在這未定容許思辨的時刻,以下分為微軟、Google、持續交付基金會(CDF)的定義與說明:
MLOps 是種工程文化與實踐,旨在 ML 系統開發與 ML 系統操作。
- MLOps 是使資料科學家和應用程式開發人員能夠幫助將機械學習模型投入生產。
- MLOps 使您能夠追蹤、版控、稽核、認證、重複使用 ML 生命週期中的每項資產及簡化管理生命週期。
- MLOps 為 "DevOps" 方法論的擴展,並將機器學習和數據科學資產作為 DevOps 生態中的一等公民納入其中。
- MLOps 應被視為一種實踐,以與所有其他技術和非技術要素統一的方式持續管理產品的 ML 方面,以成功將這些產品商業化,並在市場上具有最大的可行性。這也包括 DataOps,因為沒有完整、一致、語義有效、正確、及時和無偏見的數據的機器學習是有問題的,或者導致可能加劇內置偏見的有缺陷的解決方案。