说明 MLOps 的定位,及其相较 DevOps 多出的数据/模型相关流程。
定义:MLOps 是把机器学习模型可靠、可重复地交付到生产的工程实践,是 DevOps 在 ML 上的延伸。
比 DevOps 多出的环节:① 数据版本管理(数据漂移监控);② 模型版本与实验追踪(如 MLflow);③ 持续训练(CT,模型需定期用新数据重训);④ 模型审批、A/B 与在线监控(精度/特征漂移告警)。
目标是打通“数据—训练—部署—监控”闭环,而非只管代码上线。
题目与答案就在本页;收藏、批注和错题重练在应用内