译者

布加迪

策划

梁策孙淑娟

您可能已经熟悉机器学习及其在当今世界的应用。人工智能（AI）和机器学习（ML）便于开发这样的智能软件：能够准确预测结果，自动化执行通常由人执行的各项工作。尽管将机器学习纳入应用程序至关重要，但对于组织而言，确保机器学习顺利运行更为重要。

为此，许多公司利用一套名为“机器学习运营”（MLOps）的最佳实践。而MLOps对于任何企业未来的繁荣正在变得至关重要。据德勤声称，到年，这个市场的产值可能会扩大40亿美元，自年以来增长近12倍。

尽管机器学习为诸多业务流程带来了种种优势，但许多公司仍难以实施ML方法以提高生产力。

别以为仅仅注册新的SaaS提供商或创建新的云计算实例，MLOps就能正常工作了。它需要细致的准备，还需要诸团队和部门采用统一的方法。以下是成功实施MLOps的几个最佳实践。

跨多个细分市场验证模型

模型可重复使用，但软件不能。模型的有用性会逐渐降低，因此需要再训练。每个新的情况都需要调整模型，需要训练管道来完成这项任务。

虽然试验监控可以帮助我们管理模型版本控制和可重复性，但在使用模型之前验证模型也很重要。

离线或在线验证是企业可以根据优先事项来使用的一种选择。使用测试数据集评估模型对实现业务目标的适用性，重点