如何为您的组织选择的MLOps平台
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-03-22
让我们看一下市场上可用的选项。这些平台可以分为四类
开源–有几种可用的开源选项，例如kubeflow，ModelDB，Seldon和mlflow。您可以选择开源产品并将它们缝合在一起。希望构建自己的自定义MLOps解决方案的公司可以选择此路线。但是，请注意实施工作和上市时间的影响。如果可用，请签署企业支持计划以成功大规模运行这些产品，云提供商–大多数流行的云提供商还提供解决方案，以帮助管理整个ML生命周期，包括MLOps：从数据准备到注释到模型训练再到部署，厨房水槽方法可能会使事情变得过于复杂，但是如果您正在寻找一站式解决方案，则值得考虑。
模型培训平台–几年前尝试解决数据准备和培训需求的几种流行数据平台应运而生
数据科学家友好型–该平台应与流行的ML框架即开即用，因此您不会因为限制数据科学团队使用特定工具和框架而阻碍创新，易于使用–数据科学家不是软件工程师，因此不必担心部署管道设置，基础架构组件调整或遵循复杂的步骤来进行模型检测或自定义仪表板创建。因此，在评估平台时，请考虑以下三个方面：易于安装，易于设置和易于定制。
互操作性– MLOps是您软件堆栈中的新层，该平台应与您现有的模型训练，部署管道，监视和批准工作流工具生态系统良好配合。具有OOB集成和开发人员友好的开放API的平台可以使体验无缝，并避免破坏当前的工作负载。
可复制性–管理模型生命周期始于版本控制和使其可精确复制的能力。无论您是与团队成员合作，调试生产故障还是迭代现有模型，可重复性都是至关重要的。确保MLOps平台以的公民身份具有可复制性。
可扩展性–当我们谈论生产运营时，可扩展平台是必不可少的。选择一个不仅可以满足您当前需求而且可以为将来扩展的平台。寻找一个可以优雅地扩展实时和批处理工作负载，服务于高吞吐量场景，随着流量增加而自动扩展，有效管理成本与用户体验，遵循安全部署并发布实践的平台。
开源–有几种可用的开源选项，例如kubeflow，ModelDB，Seldon和mlflow。您可以选择开源产品并将它们缝合在一起。希望构建自己的自定义MLOps解决方案的公司可以选择此路线。但是，请注意实施工作和上市时间的影响。如果可用，请签署企业支持计划以成功大规模运行这些产品，云提供商–大多数流行的云提供商还提供解决方案，以帮助管理整个ML生命周期，包括MLOps：从数据准备到注释到模型训练再到部署，厨房水槽方法可能会使事情变得过于复杂，但是如果您正在寻找一站式解决方案，则值得考虑。
模型培训平台–几年前尝试解决数据准备和培训需求的几种流行数据平台应运而生
随着行业的成熟，问题已转移到运营挑战上，其中一些以模型培训为核心的平台现在已开始构建MLOps功能，以MLOps为核心产品的平台–这些是新型的MLOps平台，主要侧重于解决机器学习操作，监视和部署问题，这些平台是MLOps的核心竞争力，它们提供专门为大规模运行机器学习而构建的专用功能和体系结构原理，在选择适合您的组织需求的MLOps平台时进行尽职调查可能很耗时，但非常有必要。我们建议您进行试验阶段，并全面评估您的选择，在决策中包括关键用户，并为飞行员建立明确的目标和成功指标。
数据科学家友好型–该平台应与流行的ML框架即开即用，因此您不会因为限制数据科学团队使用特定工具和框架而阻碍创新，易于使用–数据科学家不是软件工程师，因此不必担心部署管道设置，基础架构组件调整或遵循复杂的步骤来进行模型检测或自定义仪表板创建。因此，在评估平台时，请考虑以下三个方面：易于安装，易于设置和易于定制。
互操作性– MLOps是您软件堆栈中的新层，该平台应与您现有的模型训练，部署管道，监视和批准工作流工具生态系统良好配合。具有OOB集成和开发人员友好的开放API的平台可以使体验无缝，并避免破坏当前的工作负载。
可复制性–管理模型生命周期始于版本控制和使其可精确复制的能力。无论您是与团队成员合作，调试生产故障还是迭代现有模型，可重复性都是至关重要的。确保MLOps平台以的公民身份具有可复制性。
可扩展性–当我们谈论生产运营时，可扩展平台是必不可少的。选择一个不仅可以满足您当前需求而且可以为将来扩展的平台。寻找一个可以优雅地扩展实时和批处理工作负载，服务于高吞吐量场景，随着流量增加而自动扩展，有效管理成本与用户体验，遵循安全部署并发布实践的平台。
当您寻找在企业中成功实施MLOps的平台时，您会遇到一些关键问题，因此，您可以在其中研究不同的平台，并查看它们在多大程度上与组织的要求和资源相匹配。比较愉快！
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
