從 AI 落地談 MLOps 系列

行百哩路半九十，即便各種先進的AI模型如雨後春筍般化為現實，AI成功落地佈署至商業情境仍是困難重重，營運中的商業服務如何調整其ML算法，讓服務經得起時間及使用者的考驗，必須反覆推敲範疇、資料、模型及佈署的問題，進一步而言，有沒有關於AI落地、ML in Production、MLOps的解決方案?

既然佈署機械學習ML的工程實務逐漸歸納並越受重視，也多虧軟體工程DevOps精神興起與CI/CD實務越漸普及，本系列期待透過鐵人賽將系列知識做個梳理，拋磚引玉，協助銜接ML商務落地的一哩路，以及對AI有志趣者，補充除了AI建模以外需要關注的面向。