内容简介
本书是O’Reilly精品图书系列的一本实用指南，旨在帮助企业在实际生产环境中构建、扩展、简化和管理机器学习模型。全书围绕MLOps（Machine Learning Operations）这一核心理念展开，系统性地介绍了从模型开发到部署上线的全流程最佳实践。
书中首先阐述了MLOps的起源与必要性，指出了传统机器学习项目在从实验环境到生产环境迁移过程中常见的挑战，如模型版本控制、数据管道管理、监控与重训练等。随后，作者通过丰富的案例和可操作的步骤，详细讲解了如何搭建稳健的ML基础设施，包括数据验证、特征存储、模型注册、自动化流水线以及持续集成/持续部署（CI/CD）的应用。
此外，本书还深入探讨了模型部署后的监控、漂移检测、模型可解释性和治理等高级话题，帮助读者确保模型在生产环境中的可靠性、公平性和合规性。无论是数据科学家、机器学习工程师还是IT运维人员，都能从本书中获得实用的知识和工具，从而将机器学习项目真正落地并创造业务价值。
目录
关于作者
O’Reilly Media, Inc.介绍
第一部分 MLOps是什么，为什么要使用MLOps
第1章 为什么现在要使用MLOps，使用MLOps面临的挑战
第2章 MLOps的使用人员
第3章 MLOps的主要组成部分
第二部分 如何实现
第4章 开发模型
第5章 准备投入生产
第6章 部署到生产
第7章 监控和反馈回路
第8章 模型治理
第三部分 MLOps具体示例
第9章 实践中的MLOps：消费信贷风险管理
第10章 实践中的MLOps：营销推荐引擎
第11章 实践中的MLOps：消耗预测
O’Reilly Media, Inc.介绍
第一部分 MLOps是什么，为什么要使用MLOps
第1章 为什么现在要使用MLOps，使用MLOps面临的挑战
第2章 MLOps的使用人员
第3章 MLOps的主要组成部分
第二部分 如何实现
第4章 开发模型
第5章 准备投入生产
第6章 部署到生产
第7章 监控和反馈回路
第8章 模型治理
第三部分 MLOps具体示例
第9章 实践中的MLOps：消费信贷风险管理
第10章 实践中的MLOps：营销推荐引擎
第11章 实践中的MLOps：消耗预测
免责申明：
1. 本站分享的所有书籍均来源于自互联网，我们只进行收集整理，并不对书籍内容进行更改。
2. 部分书籍中可能有书籍压制者放置的广告，这并不是本站所为，请注意甄别。
3. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，不以盈利为目的。
4. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
5. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
6. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48小时内予以删除。
1. 本站分享的所有书籍均来源于自互联网，我们只进行收集整理，并不对书籍内容进行更改。
2. 部分书籍中可能有书籍压制者放置的广告，这并不是本站所为，请注意甄别。
3. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，不以盈利为目的。
4. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
5. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
6. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48小时内予以删除。
📖 支持知识自由流动
每一本书的稳定访问，都离不开服务器、存储与带宽的长期维护。
