返回课程列表
Day 17
Week 3数据工程与 MLOps
MLOps 流水线
20 分钟安排： 1. 5 分钟：列出训练流水线基本步骤：数据准备 → 训练 → 评估 → 部署。 2. 10 分钟：用 MLflow/Kubeflow 想象一个 pipeline： • Step 1: Data Ingest • Step 2: Train • Step 3: Eval • Step 4: Register Model 3. 5 分钟：写下你目前做 ML 时最"手工"的步骤。
🎯学习目标
- 1列出训练流水线基本步骤：数据准备 → 训练 → 评估 → 部署
- 2用 MLflow/Kubeflow 想象一个 pipeline：Data Ingest → Train → Eval → Register Model
- 3写下你目前做 ML 时最"手工"的步骤
💡核心概念
MLflow：模型生命周期管理，支持实验追踪、模型注册、部署Kubeflow：Kubernetes 原生的 ML 工作流平台Pipeline 编排：自动化训练流程，减少人工干预模型测试：自动化测试确保模型质量
🛠实战提示
使用 MLflow 或 Kubeflow 构建一个端到端的 MLOps 流水线。思考：如何将手工步骤自动化？
✅20 分钟安排
1. 5 分钟：
2. 10 分钟：
Step 1: Data Ingest
Step 2: Train
Step 3: Eval
Step 4: Register Model
3. 5 分钟：
📚学习资源
📝学习笔记
还没有笔记，开始记录你的学习心得吧