实用 MLOps

附录 G. 其他教育资源

诺亚礼物

我们都知道，一本书、一门课程或一个学位是不够的，相反，持续学习的过程才是与时俱进的最佳方法。 持续学习的方法之一就是在工作中、与朋友或在学校里组成学习小组，不断成长。 以下来自我所教授的 ML 工程、MLOps 和应用计算机视觉课程的资源可以帮助你开始学习。

附加 MLOps 批判性思维问题

• 一位前初创公司的工程经理提到，仅靠 "Agile "项目管理还不足以交付最小可行产品（MVP）。通常还需要一个为期 3 个月的每周计划（即瀑布式计划）。请讨论你对这一观点的回应。

• 持续集成 (CI) 系统能解决什么问题？

• 为什么 CI 系统是 SaaS 软件的重要组成部分？

• 为什么云平台是分析应用的理想目标？

• Deep Learning 如何从 Cloud 中获益？

• Google BigQuery 等托管服务有哪些优势？

• Google BigQuery 与传统 SQL 有何不同？

• 直接从 BigQuery 进行机器学习 (ML) 预测如何为 Google 平台带来价值？

• 这对分析应用工程有什么好处？

• AutoML 如何降低总体拥有成本（TCO）？

• 它的总体拥有成本怎么会更高？

• 不同的环境能解决什么问题？

• 不同的环境会产生什么问题？

• 如何妥善管理 Cloud 中的意外成本？

• 有哪三种工具可以帮助您管理 Google Cloud Platform 上的成本？

• 有哪三种工具可以帮助您管理 AWS 平台上的成本？

• 有哪三种工具可以帮助你管理 Azure 平台上的成本？

• 为什么 JavaScript Object Notation（JSON）日志记录往往比非结构化日志记录更好？

• 警报响得太多有什么坏处？

• 通过回答以下问题来制定终身学习计划： 本季度你打算学习哪些技能，为什么，怎么学？ 到今年年底你打算学习哪些技能，为什么，怎么学？ 到明年年底你打算学习哪些技能，为什么，怎么学？ 到五年年底你打算学习哪些技能，为什么，怎么学？

• 持续交付 (CD) 系统能解决什么问题？

• 为什么持续交付系统是数据工程的重要组成部分？

• 持续集成和持续交付之间的关键区别是什么？

• 解释监控和日志记录如何在数据工程中发挥关键作用。

• 解释健康检查会出什么问题。

• 解释为什么 "数据治理 "是网络安全的 "无名英雄"。

• 解释测试如何在数据工程中发挥关键作用。

• 解释自动化和测试是如何紧密联系在一起的。

• 选一个你最喜欢的 Python 命令行框架，写一个 hello-world 示例，然后分享。 你能解释一下为什么选择它吗？

• 解释云计算如何影响数据工程。

• 解释无服务器如何影响数据工程。

• 分享一个简单的 Python AWS Lambda 函数，并解释它的作用。

• 解释什么是机器学习工程。

• 创建并分享一个运行 Flask 应用程序的简单Dockerfile 。 解释其工作原理。

• 解释什么是数据工程。

• 截断和洗牌一个大型数据集，加载到 Pandas 中，并分享您的工作成果。 解释你使用的方法。

• 解释什么是 DevOps，以及它如何增强数据工程项目。

• 在考虑现实世界的计算机视觉问题时，Cloud 能解决什么问题？

• 如何利用 Colab 笔记本和 Jupyter 笔记本交流想法或建立研究组合？

• 生物视觉和机器视觉有哪些关键区别？

• 生成式建模在现实世界中有哪些应用案例？

• 解释游戏机如何利用计算机视觉取胜。

• 使用计算机视觉应用程序接口解决实际问题有哪些利弊？ ...