practical-mlops-book：实践指南

在项目中评估practical-mlops-book，可以先看清用途边界：[Book-2021] 实用 MLOps O'Reilly 书。把它放到日常自动化流程中，最容易暴露的是输入边界、依赖和失败处理如果不清楚就很难稳定复用，不能只看演示是否顺利。与其反复读介绍，不如用一项范围明确的真实任务完成最小试跑，再依据配置时间、输出质量、异常信息和维护痕迹做取舍。整体来看，它适合愿意先做小范围验证并复查原始文档的团队拿来做对照测试，最终决定仍应回到真实结果和维护状态。

Pragmatic AI Labs | 加入1M+ ML 工程师

热门课程优惠：

• Coursera Hugging Face AI 开发专业化 - 使用纯 Rust 构建带有 Hugging Face 的生产 AI 系统
• 大师 GenAI 工程 - 构建生产 AI 系统
• 学习专业 Rust - 工业级开发
• AWS AI 和分析 - 在云中扩展您的 ML
• ⚡ AWS 上的 GenAI 生产 - 在企业规模部署
• Rust DevOps 掌握 - 自动化一切

提升你的职业生涯：

• 生产 ML 程序 - 完成 MLOps 和云掌握
• 立即开始学习 - 快速跟踪您的 ML 职业生涯
• 深受财富 500 强团队信赖

在 向行业资深人士学习端到端 ML 工程 PAIML.COM

实用 MLOps，一本 O'Reilly 的书

这是一个公共存储库，其中存储了《Practical MLOps》一书的代码示例。

• 在线阅读实用 MLOps
• 购买实用 MLOps

暂定纲要

第一章：MLOps简介

源代码第一章：

• 多云 Github 操作演示

第 2 章：MLOps 基础知识

源代码第 2 章：

• https://github.com/noahgift/cloud-bash-essentials
• https://github.com/noahgift/regression-concepts/blob/master/height_weight.ipynb
• https://github.com/noahgift/or/blob/master/README.md#randomized-start-with-greedy-path-solution-for-tsp

第 3 章：生产中的机器学习部署~~策略~~

源代码第 3 章：

• 日志记录示例
• 多个记录仪
• 简单日志记录

第 4 章：机器学习模型的持续交付

源代码第 4 章：

第5章：AutoML

源代码第 5 章：

• 苹果 CreateML 演练
• 路德维希文本分类
• FLAML 你好世界
• 模型可解释性

第 6 章：机器学习的监控和日志记录

源代码第 6 章：

第7章：MLOps 为AWS

源代码第 7 章：

• Elastic Beanstalk 持续交付
• ECS Fargate
• AWS ML 认证考试指南
• AWS 云从业者考试指南
• 免费 AWS 云从业者课程
• Python MLOps 食谱
• 从头开始的容器

第 8 章：MLOps（适用于 Azure）

源代码第 8 章：

第9章：MLOps 为GCP

源代码第 9 章：

• 项目计划模板
• GCP 从零开始
• Kubernetes 你好世界
• gcp-flask-ml-deploy
• 无服务器食谱

第 10 章：机器学习互操作性

源代码第10章：

第 11 章：构建 MLOps 命令行工具

源代码第11章：

第12章：机器学习工程和MLOps案例研究

源代码第12章：

社区食谱

本节包括“社区”食谱。 如果时机成熟的话，许多“可能”都会被包含在书中。

• Jason Adams：使用 Kubernetes 进行 FastAPI 情感分析
• James Salafatinos：Tensorflow.js 实时图像分类
• Nikhil Bhargava：运动鞋价格预测
• 医疗费用
• Flask 薪资预测器
• Covid 预测器
• 缺勤
• 百度胸部X光片
• Streamlit流量检测

参考文献

• 务实 AI
• DevOps 的 Python
• 数据云计算

后续步骤：参加 Coursera MLOps 课程

• 走专业化

• 云计算基础

• 云虚拟化、容器和 APIs

• 云数据工程

• 云机器学习工程和 MLOps

• ✨务实的AI实验室在edX上构建课程

• 加入我们的 Discord 社区