内容简介
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
AI简介
这是一本全面阐述机器学习运维（MLOps） 的专业书籍。该书由国内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、成熟度评估四个维度对MLOps进行了全面的讲解。
本书首先介绍了机器学习全生命周期管理框架，包括数据采集、处理，到特征生成、代码开发、模型设计开发，再到上线部署的整个过程。这个框架的主要目的是提高模型迭代的效率，并方便团队协作开发。
其次，书中阐述了以数据为中心的人工智能系统，与传统的以模型为中心的人工智能系统不同，它更侧重于数据的质量和一致性，而非仅仅依赖于模型的复杂度和调优。这种转变趋势是由著名学者Andrew Ng提出的，他认为在工业界，通过数据质量调优带来的效果提升，远远超过通过模型调优。
再次，书中介绍了数据架构的演进，从关系数据库到数据仓库，再到数据湖，以及大数据体系的转变。这些转变都是为了更好地满足数据存储、处理、分析和管理等方面的需求。
此外，书中还详细讨论了数据质量问题及其解决方案，包括常见的数据质量问题、时序数据穿越问题、离线实时数据一致性问题、数据安全问题、数据共享与复用问题等。
同时，书中还深入探讨了机
推荐影视
阅读/下载地址