MLOps 是 ML （Machine Learning，機器學習） 加上 DevOps 的概念；DevOps 又是由 Development （開發） 加上 Operations （維運） 所組成的，也就是說「MLOps 希望將 DevOps 的精神結合到 ML 的開發上」，從 ML 的開發、驗證到佈署上線，都能自動化完成並快速維運產品。

再看一下由 CDF 基金會（Continuous Delivery Foundation）, 在[MLOps 2022的白皮書]MLOps 2022的白皮書所提到的，MLOps 可視為 DevOps 的擴展，MLOps 應被視為一種持續管理產品中機器學習模組的實踐，其整合了 ML 商業化時所需應用的技術與非技術元素，並在市場上保有競爭力且生存下去。

簡言之，「只要你的產品與 ML 相關，且持續維運，就會和 MLOps 有關係！」以上的敘述可能還很抽象，請試想以下兩個例子：

公司有一個持續不間斷運作的瑕疵檢測模型，因為每週都有新的資料產生，必須周周更新模型。現在有一個能用來辨識人臉的 app，當收集到夠多用戶所上傳的人臉照時，就會利用這些資料繼續訓練，只要模型準確度比前一次高，就重新佈署新的模型到產品上。

從上術例子可以發現，如果以目前傳統的機器學習流程開發的作法，需要讓這個流程能自動週期性的更新，並確保新的模型較為出色。此外，必須能在需要回頭檢查過去實驗數據時，輕易且方便地達到目的，如果上述其中一項符合你的狀況，那就需要使用到 MLOps。

完整內容 >> https://bit.ly/3XJmJEt
Line 官方帳號，看最新技術文章：https://user137910.pse.is/aif2024ironman

（撰稿工程師：王維綱）