【干货书】MLOps是什么？MLOps实战：操作机器学习模型，461页pdf

将你的模型投入生产是机器学习的基本挑战。MLOps提供了一组经过验证的原则，旨在以可靠和自动化的方式解决这个问题。这本精深的指南将带您了解什么是MLOps(以及它与DevOps的区别)，并向您展示如何将其付诸实践，以操作您的机器学习模型。

当前和有抱负的机器学习工程师——或者任何熟悉数据科学和Python的人——将在MLOps工具和方法(以及AutoML和监视和日志)中建立一个基础，然后学习如何在AWS、微软Azure和谷歌云中实现它们。你的机器学习系统运行得越快，你就能越快地专注于你试图解决的业务问题。这本书给了你一个良好的开端。

https://www.oreilly.com/library/view/practical-mlops/9781098103002/

您将发现如何: 将DevOps最佳实践应用到机器学习中 建立并维护生产机器学习系统 监控、仪器、负荷测试和操作机器学习系统 为给定的机器学习任务选择正确的MLOps工具 在各种平台和设备上运行机器学习模型，包括手机和专用硬件

我们设计了这本书，让你可以把每一章作为一个独立的部分来阅读，这样可以给你立即的帮助。在每一章的结尾都有讨论问题，旨在激发批判性思维和技术练习，以提高你对材料的理解。这些讨论问题和练习也非常适合在数据科学、计算机科学或MBA课程的课堂上使用，也适合有动机的学习者。最后一章包含了几个案例研究，有助于作为MLOps专家构建工作组合。这本书共分为12章，我们将在接下来的章节中进一步细分。在本书的最后，有一个附录，其中收集了一些有价值的实现MLOps的资源。

前几章涵盖了DevOps和MLOps的理论和实践。所涉及的项目之一是如何建立持续集成和持续交付。另一个关键的话题是改善，也就是在所有方面持续改进的想法。关于云计算有三章，涵盖了AWS、Azure和GCP。Alfredo是微软开发人员的拥护者，他是Azure平台上MLOps的理想知识来源。同样地，Noah花了数年时间让学生接受云计算方面的培训，并与谷歌、AWS和Azure的教育部门合作。这些章节是熟悉基于云的MLOps的好方法。其他章节涵盖MLOps的关键技术领域，包括AutoML，包含‐ers，边缘计算和模型可移植性。这些主题包含了许多具有积极吸引力的前沿新兴技术。最后，在最后一章中，Noah讲述了他在一家社交媒体初创公司的真实案例研究，以及他们在做MLOps时面临的挑战。