MLOps工程實踐：工具、技術與企業級應用
陳雨強 鄭曌 譚中意 盧冕
528人在讀
20.1萬字總字數
¥65定價
陳雨強 鄭曌 譚中意 盧冕
內容簡介 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範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中的數據處理、主要流水線工具Airflow和MLflow、特徵平臺和實時特徵平臺OpenMLDB、推理工具鏈Adlik，爲讀者系統講解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、衆安金融等企業的MLOps工程實踐案例和經驗； （7）MLOps的成熟度模型，以及微軟、谷歌和信通院對MLOps成熟度模型的劃分； （8）針對不同規模的企業和團隊的MLOps最佳實踐，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。
除了效果之外，機器學習應用的開發效率也是阻礙落地的關鍵因素。像Google這樣的互聯網領頭羊企業，其AI科學家與AI工程師也常常會遇到“開發一週，上線三月”的情況。因此需要針對每個模型花費數月時間進行正確性排查，覆蓋模型魯棒性、數據時序穿越、線上線下一致性、數據完整性等各個維度。
真的和書名一樣，點到即止。 案例方面內容和網絡上的PPT一樣，沒啥營養。 看到最後的能力成熟度模型就樂了，真正做得好的反而不屑於關注這個。
作爲一個技術產品經理或者項目經理的角色來了解MLOps裏的一些關鍵理念和方法論，還是有幫助的，就是對理念的解讀淺嘗輒止，不夠深刻，像教科書一樣羅列的內容比較多，整體來說值得看一下，對工作上的一些模式思考有幫助，能做到引發思考就夠了。
前面是技術的綜述，還可以。中間介紹的工具就像在湊篇幅。最後的案例大同小異，類似銷售的ppt