01
02
03
MLOps是一个较新的概念,是谷歌在2018年的一场演讲后诞生的,它将机器学习模型引入实际业务这一实践,并不局限于数据准备、开发、神经网络或其他机器学习算法的训练方面。从验证数据集,再到可靠的大数据生产环境下测试和部署数据集、产品解决方案,是结合系统开发和运营支持(包括集成、测试、发布、部署、基础设施管理等操作),以实现机器学习系统生命周期复合化和自动化管理的文化理念和应用实例。
MLOps作为帮助在企业中扩展机器学习的一项关键技术正在崛起。根据麦肯锡的数据,到2030年,通过使所有部门的工人提高产出,ML可以为全球经济增加高达13万亿美元的回报。此外,MarketWatch指出,2021年全球MLOps的市场规模将为百万美元。
但对于企业而言,创建机器学习应用程序、管理这些模型并将其付诸行动具有挑战性,因此处理、实施和部署机器学习模型需要特定的工具,即通过在设备上或在云端根据需要应用各种操作,让数据从aa数据到决策的挑战更容易实现。为了大规模地做到这一点,企业需要一个平台,通过开放接口增加对新的ML框架的支持。