記得要開始寫這篇的時候，一直在想什麼是 MLOps，第一個想法，應該就是 Machine Learning 界的 DevOps 吧，但很好我又不知道什麼是 DevOps 了，是用 Jenkins 的工程師嗎？可是 Jenkins 不就是 CICD Pipeline 工具嗎？誒 還是那是跑 Scrum 的開發工具？那 SRE, Platform Engineer, CICS Team 又是在做什麼的？

而當初開始寫這系列文，就是想要解決我以上的困惑，在寫完 30 天後我想我可以有一個初步的答案，其實和一開始想的差不多:

MLOps 就是用各種程式寫出來的工具，來讓一個 Machine Learning Solution 的生命週期 (從討論, 實驗, 產品化, 上線, 到監控) 的過程更自動化而是依賴 Data 工作者的個人造化

心得

我是在差不多 25 天的時候才寫下這篇心得，事實上我原本以為的我是會在開賽前就把三十天寫完，但真實的我是頂多超前兩三天而已，的確在開賽前我寫下了大概三十天要寫的標題，並以爲 ChatGpt 可以依照標題就幫我寫完，但也不知道是因為我的 Prompt 太垃圾還是他產出的內容太垃圾，後來都只能靠自己

當中的確有不少篇覺得內容還可以在做更多延伸，更好的文章結構和更通暢的描述語句，但作為工程師到現在總算學會一件事，就是先求有再求好吧 .. 如果有人真的把這三十篇看完，只能給予這些人最高的敬意，能把三十篇都看完的人，除了評審外，我真的想不出來還有誰，但若有真的非常感謝你

結尾，我認為這篇文章達到我幾個一開始設定的目標

• 提供了一些 MLOps 可能會用到的詞彙，若有人可能要開始在公司時做 MLOps 系統，或是進入這領域，可以有些不那麼知識正確中文內容，但是絕對政治正確，不是搬運的內容可以參考
• 總結自己這幾年工作的經驗，的確在總結中看到自己有些可以做更好，有些不是那麼明白的部分，甚至也發覺了很多不同的解決方案
• 寫一些技術部落格文章，不知道是遠端工作久了還是老了，講話常常卡住，總覺得沒辦法好好的表達心中所想的，這樣剛好有個機會練習，這樣遇到妹子時要講這些內容，相信會講得更順

後續學習

以下是兩個我覺得很不錯的 MLOps References，第一個是 Github 關於 MLOps Topic 的 Trending List，可以看一下關於這個 hashtag 有什麼是紅的題目
https://github.com/topics/mlops

我是覺得這個比起 Awesome 或是 zoocamp 系列有用就是了 .. (結尾地圖炮)
另一個是偏理論派的網站，知識或實作能力可以不足，詞彙量不能輸的 Buzzword Engineer 建議可以看這，對找工作可能比較有用 (誤
https://ml-ops.org/

好了恭喜我完賽