|
|
|
這是一本能指導企業利用MLOps技術構建可靠、高效、可複用、可擴展的機器學習模型從而實現AI工程化落地的著作。由國內AI領域的獨角獸企業第四范式的聯合創始人和技術VP領銜撰寫，從工具、技術、企業級應用、成熟度評估4個維度對MLOps進行了全面的講解。
本書的主要內容包括如下9個方面：（1）MLOps的核心概念和方法，可以幫助讀者全面瞭解MLOps的基本原理；（2）MLOps涉及的幾種角色，以及這些角色之間如何協作；（3）機器學習項目的基礎知識和全流程，是學習和應用MLOps的基礎；（4）MLOps中的資料處理、主要流水線工具Airflow和MLflow、特徵平臺和即時特徵平臺OpenMLDB、推理工具鏈Adlik，為讀者系統講解MLOps的技術和工具；（5）雲服務供應商的端到端MLOps解決方案；（6）第四範式、網易、小米、騰訊、眾安金融等企業的MLOps工程實踐案例和經驗；（7）MLOps的成熟度模型，以及微軟、穀歌和信通院對MLOps成熟度模型的劃分；（8）針對不同規模的企業和團隊的MLOps很好實踐，幫助他們量身定做MLOps策略；（9）MLOps的未來發展趨勢，以及如何將新技術融入MLOps實踐中。本書深入淺出、循序漸進地講解了如何在實際項目中利用MLOps進行機器學習模型的部署、監控與優化，以及如何利用MLOps實現持續集成與持續交付等高效的工作流程。通過企業級的MLOps案例和解決方案，幫助讀者輕鬆掌握MLOps的設計思路以及如何應用MLOps解決實際問題。
作者簡介
前言
第1章全面瞭解MLOps1
1.1人工智慧的趨勢和現狀1
1.1.1趨勢1：人工智慧在企業中加速落地，彰顯更多業務價值1
1.1.2趨勢2：人工智慧應用從以模型為中心向以資料為中心轉變3
1.1.3現狀：人工智慧落地成功率低，成本高4
1.2人工智慧的問題、挑戰以及應對措施5
1.2.1問題1：機器學習代碼只是整個系統的一小部分5
1.2.2問題2：資料是最主要的問題6
1.2.3挑戰：人工智慧系統如何規模化落地7
1.2.4應對措施：MLOps8
1.3MLOps簡介8
1.3.1MLOps的定義8
1.3.2MLOps相關的工具和平臺12
1.3.3MLOps的優勢13
1.4MLOps與DevOps14
1.4.1DevOps的3個優點14
……
