|
|
 |
| 详细信息 | 位置： 首页 >> gpt人工智能 |
MLOps技术路径 |
| 编辑：创泽 来源：头豹研究院 时间：2023/6/14 |
1 需求分析与开发 需求 / 问题 提出 可行性分析 技术选型 数据&算法 设计方案 算法 / 数据脚本 / 服务开发 2 数据工程流水线 数据接入 数据探索 数据处理 特征工程 3 模型试验流水线 数据分析 模型训练 模型评估 模型导出 4 DevOps 代码仓 扫描-翻译-测试-打包 发布 持续集成流水线 触发 CI 流水线（代码 +数据+模型持续集成） 5 持续训练流水线 数据处理 持续训练流水线 模型（重）训练 模型评估 模型仓库 6 持续部署流水线 模型部署 流量管理 效果评估 7 持续监控流水线 操作记录 流水线监控 模型监控 数据监控 资源监控 ······
|
| 【声明：转载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述，文章内容仅供参考，如有侵权，请联系删除。】 |
| 推荐信息 |
|
MLOps侧重于用于训练和评估ML模型的数据.数据的质量和数量更关键;AutoML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
有助于管理数据驱动AI解决方案的可扩展性;共享见解和共同处理数据和模型的工具和功能;帮助跟踪实验,管理模型版本并确保结果的可重复性
数据驱动的AI可以提高泛化能力;扩充或优化用于训练的数据来微调模型更容易;数据驱动的AI协助模型抵抗对抗性攻击;鼓励迁移学习
模型驱动的AI通常涉及具有大量参数的复杂模型;模型驱动的AI中复杂模型的训练需要时间长;复杂模型通常较难解释和理解
关于规范和加强人工智能司法应用的意见,关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见,关于支持建设新一代人工智能示范应用场景的通知
新能源车的持续渗透为人工智能在交通领域的渗透的占提供了一片沃土，人工智能有望创造超过 3,800 亿美元的经济价值
人工智能有利于促进制造业从生产执行向制造创新转型,创造超过千亿美元的经济价值,利用数字孪生和机器学习模拟,测试和验证生产流程的结果
已知索菲亚读完了一本书的三分之二,她读完的比她还没有读完的多 了90页;设索菲亚的书总共有x页,得到以下方程: $\frac{2}{3}x-\frac{1}{3}x=90$
|
gpt人工智能 |
迎宾机器人在楼梯处迎接客人 |
| 新动态 |