mlops的一些记录
MLOPS
Hidden Technical Debt in Machine Learning Systems.
google对MLOPS的介绍：MLOps：机器学习中的持续交付和自动化流水线
mlops上也有不错的介绍，那么如何搭建一个MLOPS？
mymlops是一个不错的选择，提供了50+种MLOPS中会用到的工具，根据流程进行组合
看了一圈发现直接使用MLflow或许是最简洁的方案，如果是云平台kuberflow是一个不错的选择。目前来看，MLflow对前半部分：模型训练、管理做的比较好；kuberflow在模型部署方面更有优势。还需要深入使用，得出进一步结论。
一些公司的架构
美团
https://tech.meituan.com/2020/01/23/meituan-delivery-machine-learning.html
亚马逊MLOPS
模型构建、训练评估、生产、测试和质量控制、模型部署、监控
特征治理
在线：高并发，低延迟
离线：Hbase
实验管理
- 实验版本管理
模型管理
- 模型编录
- 版本控制
- 元数据管理
- 上线状态管理
- 自动化部署
- 模型血缘，pipeline记录
工作流设计
- 数据流处理
- 模型训练
- 超参调优
- 模型创建
- 模型注册
- 模型批量管理
- 特征质量检查
- 可解释性检查
- 条件分支
- EMR
- 回调
模型监控
- 特征监控
- 模型监控
数据是否有差异
指标差异
贝壳MLOPS
- 数据平台
- 训练平台
- 推理平台
放弃hadoop，转向k8s
tencent music
