目錄
??寫在前面
??內容簡介
??讀者對象
??專家推薦
??圖書目錄
??直播預告
??文末福利
???????博客主頁：大蝦好吃嗎的博客
? ? ???專欄地址：免費送書活動專欄地址
寫在前面
????????作為計算機科學的一個重要領域，機器學習也是目前人工智能領域非?；钴S的分支之一。機器學習通過分析海量數據、總結規(guī)律，幫助人們解決眾多實際問題。隨著機器學習技術的發(fā)展，越來越多的企業(yè)將機器學習技術作為核心競爭力，并運用在實際業(yè)務中。
????????但是，機器學習應用落地并非一件輕松的事情，AI開發(fā)者往往需要面對各個環(huán)節(jié)的挑戰(zhàn)。這些環(huán)節(jié)包括目標定義、數據收集、數據清洗、特征提取、模型選擇、模型訓練、模型部署和模型監(jiān)控等，其中任何一個環(huán)節(jié)出現失誤，都可能影響算法和策略在最終業(yè)務中落地的效果，造成成倍的損失。反過來看，利用工程化技術去優(yōu)化模型的自學習能力，能讓模型保持持續(xù)更新、迭代和演進，隨著數據和業(yè)務的變化不斷進行自適應，避免衰退，始終保持在最佳狀態(tài)，為業(yè)務場景帶來更好的效果、更多的價值。
????????除了效果之外，機器學習應用的開發(fā)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(yè)，其AI科學家與AI工程師也常常會遇到“開發(fā)一周，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。
????????從團隊協作角度來看，數據、模型、算法的開發(fā)和部署需要不同的技能和知識，需要團隊敏捷地進行溝通和協作。因此，建設一種可以在任何時間、任何環(huán)境被信任的團隊合作模式、溝通渠道以及反饋機制，形成一個如敏捷迭代、Kubernetes一樣的事實標準，可方便AI工程師敏捷、快速地上線AI應用。
????????除了效果和效率兩個AI開發(fā)者所關注的維度外，成本、人才、安全也是機器學習應用開發(fā)落地時需要權衡的。
-
成本：無論軟件、硬件成本還是人力成本，企業(yè)需要在落地AI應用的效益和成本之間進行權衡，確保投入產出比是可行的，而這要求開發(fā)者對成本和產出有更加精準的預測和判斷。
-
人才：人才短缺是一個普遍問題，哪怕是在硅谷、中關村等科技人才聚集地，具備機器學習和軟件開發(fā)能力的人也是供不應求的。開發(fā)者需要更好地精進技能，規(guī)劃好AI工程化的技能樹和學習路徑，把自己變成有競爭力的人才。
-
安全：幾乎所有的企業(yè)都會要求AI應用背后的數據、算法和模型符合法規(guī)和標準。開發(fā)者需要確保AI應用和系統(tǒng)不會向企業(yè)外部泄露數據，不讓非法的攻擊侵入并影響業(yè)務系統(tǒng)。
????????正是在這樣的背景下，MLOps快速成為機器學習生產落地中不可或缺的關鍵能力。構建一個靠譜、永遠可以信任、從容應對新技術演進的機器學習系統(tǒng)，匹配讓AI開發(fā)者高效且省心省力的機器學習應用開發(fā)流程，成為當前機器學習領域面臨的極為關鍵的問題之一。
《MLOps工程實踐：工具、技術與企業(yè)級應用》陳雨強 鄭曌 譚中意 盧冕 等著
第四范式創(chuàng)始人領銜撰寫
騰訊、小米、百度、網易等分享MLOps工程經驗
指導企業(yè)構建可靠、高效、可復用、可擴展機器學習模型
????????作為當今企業(yè)和研究人員關注的熱點領域，MLOps相關的知識和實踐仍然相對分散，因此，迫切需要一本系統(tǒng)化介紹MLOps實踐方法的書籍。希望本書能夠：
梳理MLOps的核心概念和方法，幫助讀者全面了解MLOps的基本原理；
提供實用的案例分析和操作指南，使讀者能夠在實際項目中應用MLOps，提高工作效率；
針對不同規(guī)模的企業(yè)和團隊，給出相應的MLOps最佳實踐，幫助它們量身定制MLOps策略；
探討MLOps的未來發(fā)展趨勢，以及如何將新技術方向（如人工智能倫理、可解釋性等）融入MLOps實踐。
????????MLOps實踐的推廣和普及需要時間和努力，希望本書可以為研究人員提供全面、系統(tǒng)和實用的指南，以便他們在實際應用中構建可靠、高效和穩(wěn)健的機器學習模型，實現業(yè)務價值最大化。
內容簡介
????????這是一本能指導企業(yè)利用MLOps技術構建可靠、高效、可復用、可擴展的機器學習模型，從而實現AI工程化落地的著作。本書由國內AI領域的獨角獸企業(yè)第四范式的聯合創(chuàng)始人領銜撰寫，從工具、技術、企業(yè)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，可以幫助讀者全面了解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、特征平臺和實時特征平臺OpenMLDB、推理工具鏈Adlik，為讀者系統(tǒng)講解MLOps的技術和工具；
（5）云服務供應商的端到端MLOps解決方案；
（6）第四范式、網易、小米、騰訊、眾安金融等企業(yè)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(guī)模的企業(yè)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(fā)展趨勢，以及如何將新技術融入MLOps實踐。
????????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(jiān)控與優(yōu)化，以及如何利用MLOps實現持續(xù)集成與持續(xù)交付等高效的工作流程。同時，本書通過企業(yè)級的MLOps案例和解決方案，幫助讀者輕松掌握MLOps的設計思路以及學會應用MLOps解決實際問題。??
讀者對象
????????本書旨在幫助讀者掌握MLOps技術，從而構建可靠、可重復使用和可擴展的機器學習工作流程。我們更加強調實踐和操作，通過示例來幫助讀者更好地理解并應用這些技術和工具。
????????本書適用的讀者對象如下。
數據科學家和AI研究人員：希望了解如何將自己的模型和算法更有效地部署到實際生產環(huán)境，提高工作效率和質量。
機器學習工程師和DevOps工程師：想要掌握MLOps的最佳實踐，以便在組織內更好地支持AI和ML項目的開發(fā)、部署與維護。
產品經理和業(yè)務負責人：希望了解MLOps的概念和實踐，以便更好地推動組織內AI和ML項目的落地，提高項目成功率和產出價值。
教育者和學者：在教學和研究過程中需要掌握MLOps的理論和實踐知識，以便為學生和咨詢者提供指導。
專家推薦
????????本書作者根據自己多年在軟件研發(fā)、運維、DevOps和機器學習等領域的從業(yè)經驗，對MLOps這一新生事物的原理和工具進行了全面系統(tǒng)的介紹，并結合多家企業(yè)的實踐案例總結整理出一系列MLOps最佳實踐，覆蓋端到端機器學習全生命周期，涉及AI科學家和AI工程師在內的多個角色，知識新穎，內容豐富，極具參考價值。相信大部分AI從業(yè)人員會從中受益，強烈推薦！
—— 崔寶秋 小米集團前副總裁
? ? ? ? 這是一本業(yè)界真正需要的書。它全面介紹了AI工程化落地的全過程，包括面對的挑戰(zhàn)、要解決的問題、常用工具和平臺，以及企業(yè)的實踐案例。這樣一本內容全面、翔實的工具書能讓讀者對AI技術在企業(yè)落地方面有比較深的認識。希望它能幫助更多企業(yè)AI的應用者、工程師跨越AI工程化的鴻溝。
—— 堵俊平 LFAI & DATA基金會前董事主席
? ? ? ? 本書介紹了MLOps的完整流程、方法論、開源工具，并包含了網易云音樂、眾安保險、小米商城、騰訊金融等的一手實踐案例，對行業(yè)內外的工程師都有很高的學習和參考價值。
—— 戈君 字節(jié)跳動架構師??bRPC項目創(chuàng)始人/Apache VP
? ? ? ? MLOps可以使得人工智能應用從低效能的手工制作模式，逐漸演變成自動化的、高效的流水線生產模式，將有力地促進人工智能規(guī)模化應用。盼此關于MLOps的書也能為大家學習人工智能指明方向。
—— 孟偉 中興通訊開源戰(zhàn)略總監(jiān)
? ? ? ? 本書不僅從原理上闡述了MLOps的基本概念、方法、核心技術，更從實踐角度給出了MLOps全流程搭建工具，并提供了豐富的互聯網大廠典型MLOps平臺搭建案例，以饗讀者。內容專業(yè)翔實，極具可操作性。強烈推薦給AI算法和平臺工程師，常讀常新，大有裨益。
—— 陶陽宇 騰訊機器學習平臺部總監(jiān)
? ? ? ? MLOps是現代軟件工程理念下的機器學習系統(tǒng)構建方法論，指導企業(yè)在智能化升級中構建AI中臺。本書全面介紹了MLOps的核心技術，結合豐富的業(yè)界實踐向讀者展示了AI原生時代下的AI中臺技術全貌！
—— 王耀 百度智能云技術委員會主席
? ? ? ? MLOps可以降低人工智能應用開發(fā)和維護的技術門檻和成本，是人工智能走進各行各業(yè)的關鍵技術。本書介紹了業(yè)界多家領先企業(yè)在MLOps方面的實踐經驗，具有非常高的參考價值。
—— 汪源 網易副總裁
? ? ? ? 本書作者長期工作在業(yè)務或咨詢第一線，從工程師視角介紹機器學習在企業(yè)實踐中的落地，系統(tǒng)闡述機器學習在實際工作中的困難和解決方案，是一本很好的實踐指南。
—— 于洋 眾安保險首席風險官
? ? ? ? MLOps最重要的任務是保證機器學習應用生命周期中各個環(huán)節(jié)緊密協作，讓應用的智能程度不斷提高，真正解決用戶在現實世界中的問題。感謝譚中意等專家的長期努力，讓我們在CSDN中文社區(qū)中能看到高質量的經驗和智慧結晶。期待這本書能幫助我們的研究員和工程師跨越各式各樣的AI應用大峽谷。
—— 鄒欣 CSDN副總裁
圖書目錄
作者簡介
前言
第1章 全面了解MLOps1
1.1 人工智能的趨勢和現狀? 1
1.1.1 趨勢1：人工智能在企業(yè)中加速落地，彰顯更多業(yè)務價值? 1
1.1.2 趨勢2：人工智能應用從以模型為中心向以數據為中心轉變? 3
1.1.3 現狀：人工智能落地成功率低，成本高? 4
1.2 人工智能的問題、挑戰(zhàn)以及應對措施? 5
1.2.1 問題1：機器學習代碼只是整個系統(tǒng)的一小部分? 5
1.2.2 問題2：數據是最主要的問題? 6
1.2.3 挑戰(zhàn)：人工智能系統(tǒng)如何規(guī)?；涞? 7
1.2.4 應對措施：MLOps ?8
1.3 MLOps簡介? 8
1.3.1 MLOps的定義? 8
1.3.2 MLOps相關的工具和平臺? 12
1.3.3 MLOps的優(yōu)勢? 13
1.4 MLOps與DevOps? 14
1.4.1 DevOps的3個優(yōu)點? 14
1.4.2 MLOps延續(xù)了DevOps的優(yōu)點? 17
1.4.3 MLOps和DevOps的不同之處? 19
1.4.4 MLOps和DevOps的目標與實踐理念? 20
# 省略部分目錄內容
直播預告
????????AI工程化—— 如何讓AI在企業(yè)多快好省的落地？
????????AI 2.0時代，要不要學習MLOPS？MLOps推理的挑戰(zhàn)以及大模型時代的推理優(yōu)化思路如何？以及基于MLOps構建網易云音樂實時模型大規(guī)模應用實踐分享~
????????10月14日19：00，第四范式平臺架構師李瀚、中興通訊AI高級工程師袁麗雅、網易云音樂算法工程高級總監(jiān)吳官林、星策社區(qū)發(fā)起人及LF AI & Data TAC成員兼 Outreach主席譚中意?四位嘉賓將與您分享~文章來源：http://www.zghlxwxcb.cn/news/detail-737867.html
文章來源地址http://www.zghlxwxcb.cn/news/detail-737867.html
文末福利
- ?本次送書三本
- ?京東搶先購買
- ?活動時間：截止到2023-10-15 10:00
- ?參與方式：關注博主文章下方公眾號，編輯發(fā)送信息（第十二期）點擊鏈接參與抽獎
到了這里，關于【大蝦送書第十二期】MLOps快速成為機器學習生產落地中不可或缺的關鍵能力的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網！
