构建基于机器学习的应用程序

第 IV 部分. 部署和监控

一旦 我们建立了一个模型并对其进行了验证，我们就想让用户访问它。有许多不同的方法可以让 ML 模型浮出水面。最简单的方法是构建一个小型应用程序接口，但为了保证模型能在所有用户中良好运行，您需要更多的应用程序接口。

请参见图 IV-1，图中展示了我们在接下来几章中将要介绍的一些系统，这些系统通常与生产中的模型配套使用。

图 IV-1. 典型的生产建模管道

生产型 ML 管道需要能够检测数据和模型故障，并从容应对。理想情况下，您还应该主动预测任何故障，并制定部署更新模型的策略。如果这些对您来说听起来具有挑战性，请不要担心！这就是我们将在第四部分介绍的内容。

第 8 章

在部署之前，我们始终应该进行最后一轮验证。这样做的目的是彻底检查我们的模型可能被滥用和负面使用的情况，并尽最大努力对其进行预测和建立防护措施。

第 9 章

我们将介绍部署模型的不同方法和平台，以及如何进行选择。

第 10 章

在本章中，我们将学习如何构建一个能够支持模型的强大生产环境。这包括检测和处理模型故障、优化模型性能和系统化再训练。

第 11 章

在最后一章中，我们将讨论监控这一关键步骤。特别是，我们将介绍为什么需要监控模型、监控模型的最佳方法以及如何将监控设置与部署策略相结合。