该文档介绍了以下关键点： 1. 什么是MLOps 2. 为什么需要MLOPs 3. MLOPS生命周期 4. MLOPs参考能力模型

该文档包含以下的关键内容： 1. 什么是MLOps机器学习运维 2. 为什么需要MLOPs 3. MLOPS生命周期 4. MLOPs工作流程 5. 如何实现MLOPs 6. MLOPs成熟度模型 7. 参考案例

云原生上的 MLOps 平台.pdf

Seldon Core：Swift燃烧，面向行业的ML 一个开源平台，可在Kubernetes上大规模部署您的机器学习模型。 总览 Seldon核心将您的ML模型（Tensorflow，Pytorch，H2o等）或语言包装器（Python，Java等）转换为生产REST / GRPC微服务。 Seldon可以扩展到数千种生产机器学习模型，并提供先进的机器学习功能，包括高级度量，请求日志记录，解释器，异常值检测器，A / B测试，Canaries等。 阅读 加入我们的，提出任何问题 入门 加入我们每两周一次的： 了解如何 查看深入了解Seldon Core组件的 使用Seldon Core观看一些对话 高级功能 Seldon Core的安装量超过200万，在整个组织中用于管理机器学习模型的大规模部署，其主要优势包括： 使用我们， 或来轻松ML模型的简便方法。 开箱即用的端点，可以通过 ， 。 与云无关，并在。 由强大而丰富的推理图。 元数据来源以确保每个模型都可以追溯到其各自的。 与集成的高级和可自定义指标。 通过模型输入输出请求（与Elasticsearch进行日

MLOps文章资料合集，持续更新

露娜| 달님|月 Luna ML项目 Luna项目提供了ML模型的排行榜，并提供了更多功能来实现更快的ML模型开发迭代。 ML排行榜保留ML模型及其得分的元数据和指标。 因此，您的团队可以找到需要解决的问题，并获取有关其发展过程的信息。 计划的组件是 页首横幅：针对每个项目，根据得分列出ML模型 评分系统：对提交的ML模型进行静态或动态评分 项目统计信息：提供每个项目的见解，其历史得分的演变 集成到模型服务（第二阶段）：触发并从您的ML模型服务基础获取状态信息 这是UI的预览。 访问以了解有关该项目及其背后思想的更多信息。 入门 云 单击下面的按钮在云上运行Luna ML排行榜的私有实例。 码头工人 构建包含Dockerfile并运行。 # build docker image docker build -t luna . # run container based on the i