MLOps工程实践：工具、技术与企业级应用
陈雨强 郑曌 谭中意 卢冕
528人在读
20.1万字总字数
¥65定价
陈雨强 郑曌 谭中意 卢冕
内容简介 这是一本能指导企业利用MLOps技术构建可靠、高效、可复用、可扩展的机器学习模型从而实现AI工程化落地的著作。由国内AI领域的独角兽企业第四范式的联合创始人和技术VP领衔撰写，从工具、技术、企业级应用、成熟度评估4个维度对MLOps进行了全面的讲解。 本书的主要内容包括如下9个方面： （1）MLOps的核心概念和方法，可以帮助读者全面了解MLOps的基本原理； （2）MLOps涉及的几种角色，以及这些角色之间如何协作； （3）机器学习项目的基础知识和全流程，是学习和应用MLOps的基础； （4）MLOps中的数据处理、主要流水线工具Airflow和MLflow、特征平台和实时特征平台OpenMLDB、推理工具链Adlik，为读者系统讲解MLOps的技术和工具； （5）云服务供应商的端到端MLOps解决方案； （6）第四范式、网易、小米、腾讯、众安金融等企业的MLOps工程实践案例和经验； （7）MLOps的成熟度模型，以及微软、谷歌和信通院对MLOps成熟度模型的划分； （8）针对不同规模的企业和团队的MLOps最佳实践，帮助他们量身定做MLOps策略； （9）MLOps的未来发展趋势，以及如何将新技术融入MLOps实践中。 本书深入浅出、循序渐进地讲解了如何在实际项目中利用MLOps进行机器学习模型的部署、监控与优化，以及如何利用MLOps实现持续集成与持续交付等高效的工作流程。通过企业级的MLOps案例和解决方案，帮助读者轻松掌握MLOps的设计思路以及如何应用MLOps解决实际问题。
除了效果之外，机器学习应用的开发效率也是阻碍落地的关键因素。像Google这样的互联网领头羊企业，其AI科学家与AI工程师也常常会遇到“开发一周，上线三月”的情况。因此需要针对每个模型花费数月时间进行正确性排查，覆盖模型鲁棒性、数据时序穿越、线上线下一致性、数据完整性等各个维度。
真的和书名一样，点到即止。 案例方面内容和网络上的PPT一样，没啥营养。 看到最后的能力成熟度模型就乐了，真正做得好的反而不屑于关注这个。
作为一个技术产品经理或者项目经理的角色来了解MLOps里的一些关键理念和方法论，还是有帮助的，就是对理念的解读浅尝辄止，不够深刻，像教科书一样罗列的内容比较多，整体来说值得看一下，对工作上的一些模式思考有帮助，能做到引发思考就够了。
前面是技术的综述，还可以。中间介绍的工具就像在凑篇幅。最后的案例大同小异，类似销售的ppt