实用 MLOps

第 1 章. MLOps 简介

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

诺亚礼物

自 1986 年以来，，我又死了几棵，有几棵是因为关注不够，但主要还是因为故意向各个方向挑战极限--在盆景上冒险有点像在爱情上冒险；最好的结果需要冒着受伤的风险，而且不能保证成功。

约瑟夫-博根博士

科幻小说的强大之处之一，在于它能够无拘无束地想象未来。 电视节目《星际迷航》是有史以来最具影响力的科幻节目之一，该节目于 20 世纪 60 年代中期首次播出，距今已有约 60 年的历史。 这种文化影响启发了 Palm Pilot 和手持移动电话等技术的设计者。此外，受《星际迷航》的影响，苹果电脑的创始人之一史蒂夫-沃兹尼亚克也创造了苹果电脑。

在这个机器学习不断创新的时代，《星际迷航》原著系列中的许多基本思想与即将到来的 MLOps（即机器学习运营）产业革命息息相关。例如，《星际迷航》中的手持三脚架可以使用预训练的多类分类模型对物体进行即时分类。但归根结底，在这个未来主义的科幻世界中，科学官、医务官或船长等领域专家并不会花费数月时间来训练机器学习模型。同样，企业号科考船上的船员也不叫数据科学家。相反，他们的工作经常会用到数据科学。

星际迷航》科幻未来中的许多机器学习内容在 2020 年代已不再是科幻。本章将引导读者了解如何实现这一目标的基础理论。 让我们开始吧。

机器学习工程师和 MLOps 的崛起

随着机器学习（ML）在全球的广泛应用，人们需要一种系统、高效的方法来构建 ML 系统，从而导致对 ML 工程师的需求骤增。 而这些 ML 工程师又将既有的 DevOps 最佳实践应用于新兴的机器学习技术。主要的 Cloud 供应商都有针对这些从业人员的认证。 作为机器学习方面的主题专家，我有直接与 AWS、Azure 和 GCP 合作的经验。 在某些情况下，这包括帮助创建机器学习认证和官方培训材料。此外，我还在杜克大学和西北大学的一些顶级数据科学项目中教授机器学习工程和云计算。我亲眼目睹了机器学习工程的兴起，因为许多以前的学生都成为了机器学习工程师。

谷歌有一个 "专业机器学习工程师 "认证。它将 ML 工程师描述为 "设计、构建和生产 ML 模型以解决业务挑战...... "的人。 Azure 有一个微软认证： Azure 数据科学家助理。它将这类从业人员描述为 "应用数据科学和机器学习知识来实施和运行机器学习工作负载...... "的人。 最后，AWS 将AWS 认证的机器学习专家描述为具备 "针对给定业务问题设计、实施、部署和维护机器学习解决方案的能力 "的人。

看待数据科学与机器学习工程的一种方法是考虑科学与工程本身。科学侧重于研究，而工程侧重于生产。 随着机器学习的发展超越了研究层面，企业渴望在围绕人工智能和 ML 的招聘中获得投资回报。 payscale.com和glassdoor.com的调查结果显示，到2020年底，数据科学家、数据工程师和机器学习工程师的工资中位数相差无几。 根据 LinkedIn 在 2020 年第四季度的 191K 个职位提到云，有 70K 个数据工程职位列表，55K 个机器学习工程职位列表，20K 个数据科学职位列表，如图 1-1 所示。

另一种看待这些就业趋势的方式是，它们是技术炒作周期的自然组成部分。 企业意识到，要想获得投资回报（ROI），他们需要掌握硬技能的员工：云计算、数据工程和机器学习。 而且，他们需要的人才数量远远超过数据科学家。因此，在 2020 ...