数据为中心MLOps与模型AutoML为中心的不同

MLOps 以数据为中心

通常涉及数据管理、数据治理 和数据工程，以确保数据的可 用性、准确性和可靠性

侧重于用于训练和评估ML模型的数据。这 种方法优先考虑收集、清理和组织高质量的 数据，作为建立有效的 ML 模型的基础。在 这种方法中，数据被认为是 ML 模型准确性 和性能的主要驱动力，数据的质量和数量被认为比使用的具体算法或架构更关键。

AutoML 以模型为中心

通常涉及优化 ML 模型架构、 超参数调整和模型选择

专注于建立最佳的 ML 模型架构。这种方法 优先考虑寻找最佳算法或神经网络架构来解决手头的问题，而数据被视为模型设计的次 要因素。在这种方法中，模型的准确性和性 能被认为比用于训练它的数据的质量或数量 更关键。