機器學習實作的生命週期 Machine Learning in Production

機器學習實作的生命週期 Machine Learning in Production

在實際在產線運用機器學習時很有可能發生的事情是機器學習核心只占程式的極小一部份，其餘很多因為重點是讓"人"解決問題，你可能需要很多配套程式讓使用者運用機器學習。通常把驗證這個機器學習model是否可行稱為POC (proof of concept)，後續還是需要許多配套讓工具足以使用。

一個機器學習專案的生命週期可以包含

• Scoping 定義專案目標
• Data 收集資料(整理/feature engineering…)
• Modeling 建模(選定適合model，分析model 品質error analysis 範例)
• Deployment 發布在產線，並且持續維護
  生命週期可以是循環的，比方說建完模發現數據品質不夠或缺失，就需要回到收集資料。

而MLOps主要在說的也是如何有效快速的在2-4階段進行。

學習資料來自DeepLearning.AI 課程https://www.coursera.org/learn/introduction-to-machine-learning-in-production/home/welcome