MLOps：概述，定义和架构

摘要：所有工业机器学习 (ML) 项目的最终目标是开发机器学习产品并迅速投入生产。但是，自动化和可操作化是非常具有挑战性的ML 产品以及许多 ML 努力未能实现期望。机器学习操作的范式(MLOps) 解决了这个问题。 MLOps包括几个方面，例如最佳实践、概念集和开发文化。

然而，MLOps 仍然是一个模糊的术语，它的后果是研究人员和专业人士是模棱两可的。为了解决这个差距，我们进行混合方法研究，包括文献综述，工具审查和专家访谈。由于这些调查，我们提供必要的汇总概述原则、组件和角色，以及相关的架构和工作流程。此外，我们提供了一个定义MLOps 并突出该领域的开放挑战。最后，这工作为 ML 研究人员和从业者提供了指导想要使用指定的自动化和操作他们的 ML 产品一套技术。