1. MLOps是什么？

MLOps（Machine Learning Operations）是面向机器学习项目的研发运营管理体系，目的是连接业务团队、AI团队和运营团队，建立一套标准化的模型开发、部署及运营流程，来管理机器学习项目的全生命周期。

Google 的团队一直在对构建基于 ML 的系统所带来的技术挑战进行大量研究。 一篇关于机器学习系统中隐藏的技术债务的 NeurIPS 论文表明，开发模型只是整个过程的一小部分。 许多其他流程、配置和工具将被集成到系统中。如下图所示：

因此MLOps的核心价值在于，解决机器学习项目角色间沟通壁垒。ML项目研发过程中各角色之间（业务人员、AI工程师、数据科学家、运维工程师等）存在着天然鸿沟，而打破沟通屏障，构建畅通的协作平台，降低合作成本，是让项目顺利开展的前提。同时使AI工程师不用再沦陷于处理繁琐的模型更新和维护等工作，而可潜心钻研更有价值的内容。

2. MLOps的发展趋势

MLOps是机器学习项目走向规模化应用的有效途径，通过持续训练、持续集成、持续部署、持续监控等多个自动化循环流程，大大减少开发周期，提升交付质量，降低人员依赖，提高研发效能，推动挖掘更多元化的业务价值。

借鉴DevOps精髓，MLOps从需求到模型维护的全链路，以及模型开发及训练的子链路，和模型部署及监控的子链路，都秉承着持续闭环的全生命周期管理模式。

持续训练CT，实验阶段模型的持续训练能大大降低AI工程师时间成本，上线模型的持续训练能提高模型服务质量，及时应对数据漂移和内容漂移等风险。

持续集成CI和持续部署CD，以达到随时随地轻松部署ML模型目的。

持续监控CM，持续开展线上的模型和业务监控，根据监控报警开展模型重复训练和更新，维持和提高模型推理质量，持续创造高水准业务价值。

流水线Pipelines，数据处理流水线、模型开发流水线、集成交付流水线的构建，最大程度提高自动化水平，高效率实现ML项目全生命周期管理。

特征管理、算法管理、模型管理，通过对特征、算法和模型的存储及管理，最大限度发挥各类资产的价值，减少重复造轮子的组织级成本，提高统筹管理效能。

版本管理，模型的版本管理即对数据、算法、模型等资产完整性及可追溯性的集中管理，能随时重现任何时刻的模型快照。

自动化测试，集成自动测试工具，提高测试的自动化水平，包括组件测试、数据验证、模型验证等，进而提高全链路持续化水平。

工程化使悬在云端的AI梦想终于落地变成现实，而MLOps是工程化助推剂。未来MLOps的发展将在流水线间的连通性、模型线上自更新、资源伸缩性管理、模型自动调参、模型可解释性、模型安全性及公平性等方面得到进一步的探索和实践。

人工智能已走入千家万户，MLOps走入千家万企已指日可待，未来可期。

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

关于九游会J9电子

九游会J9电子技术有限公司（英文名称：Emdoor Electronics Technology Co.,Ltd）是国内资深的研发工具软件提供商，公司成立于 2002 年，面向中国广大的制造业客户提供研发、设计、管理过程中使用的各种软件开发工具，致力于帮助客户提高研发管理效率、缩短产品设计周期，提升产品可靠性。

欢迎关注“九游会J9电子”公众号

了解更多研发工具软件知识