在設計 MLOps 系統時，主要會以開發團隊目前的機器學習專案開發流程為基礎，並以此設計系統。下圖是一般常見的模型開發流程，可以看到在取得原始資料後，會先做不同版本的資料前處理，接著依據不同版本的前處理方式分別建立模型，再對各個模型進行驗證與比較，最後選擇最好、最穩定的模型部署上線。這一系列的流程多半會由開發團隊中的多位成員共同協作完成，因此，如何讓團隊成員間可以更好地協作、減輕成員負擔，就是考量 MLOps 基本功能需求的首要目標。

在整個開發流程中，最為繁瑣卻最重要的部分就是確保各個流程可以被所有成員管理、重現、紀錄、比較，要做到這點，版本控制及實驗紀錄的功能也就不可缺少。其中，版本控制包含所有流程的程式碼版本控制，以及資料前處理的資料版本控制，在不同的模型開發紀錄當中，用了哪個版本的程式碼、資料都應該一併被紀錄下來，以方便事後比較與重現。

最後，在確定好要部署的模型後，便需要透過建立推論用 API 的功能將模型部署上線，或與其他 API 串接。除此之外，如果開發團隊希望模型可以定期自動化重新訓練，那就會另外再加上模型訓練自動化排程的功能，讓模型可以定期依據新蒐集到的資料重新訓練。讀者可以參考上圖了解這些不同的需求。

那麼，在了解機器學習專案的開發流程與基本功能需求後，我們該如何實現這些功能呢？目前市面上並沒有一個具備所有 MLOps 所需功能的套件，但是，隨著 MLOps 的發展，現在網路上已經可以找到許多針對不同需求而開發的套件，讓使用者可以依照所需挑選套件，最後整合成系統。明天將就圖片中的基本功能需求挑選套件，並說明所對應的功能。

完整內容 >> https://bit.ly/47zrJih
Line 官方帳號，看最新技術文章：https://user137910.pse.is/aif2024ironman

撰稿工程師：許睦辰