如今，企业创建的机器学习(ML)模型中，有一半以上都没有投入生产。主要是面临技术上的操作挑战和障碍，还有组织上的。不管怎样，最基本的是，不在生产中的模型不能提供业务影响。
这本书介绍了MLOps的关键概念，帮助数据科学家和应用工程师不仅可以操作ML模型来驱动真正的业务变化，而且还可以随着时间的推移维护和改进这些模型。通过基于世界各地众多MLOps应用的经验教训，九位机器学习专家对模型生命周期的五个步骤——构建、预生产、部署、监控和治理——提供了深刻见解，揭示了如何将稳健的MLOps过程贯穿始终。
https://www.oreilly.com/library/view/introducing-mlops/9781492083283/
这本书帮助你:
通过减少整个ML管道和工作流程的冲突，实现数据科学价值
通过再训练、定期调整和完全重构来改进ML模型，以确保长期的准确性
设计MLOps的生命周期，使组织风险最小化，模型是公正的、公平的和可解释的
为管道部署和更复杂、不那么标准化的外部业务系统操作ML模型
机器学习操作(MLOps)正迅速成为企业成功部署数据科学项目的关键组成部分(图1-1)。这是一个帮助组织和商业领袖创造长期价值并降低与数据科学、机器学习和人工智能相关的风险的过程。
机器学习模型生命周期的现实图景，在一个普通的组织中，它涉及到很多不同的人，他们拥有完全不同的技能，他们经常使用完全不同的工具。
这本书分为三个部分。第一部分是对MLOps主题的介绍，深入探讨了它是如何(以及为什么)发展为一门学科的，需要谁来成功地执行MLOps，以及需要哪些组件。第二部分大致遵循机器学习模型的生命周期，包括开发模型、为生产做准备、部署到生产、监视和治理等章节。这些章节不仅涵盖了一般的注意事项，还涵盖了生命周期每个阶段的MLOps注意事项，提供了关于第3章中涉及的主题的更多细节。最后一部分提供了具体的例子，说明MLOps在今天的公司中是怎样的，以便读者能够理解在实践中的设置和含义。虽然公司名称是虚构的，但故事是基于现实生活中公司在MLOps和大规模模型管理方面的经验。
专知便捷查看
便捷下载，请关注专知公众号（点击上方蓝色专知关注）
专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！点击“阅读原文”，了解使用专知，查看获取5000+AI主题知识资源
