MLOps继续火热
By Forsaken
作为现代开发者,自动验证、测试、集成、部署开发成果,获取反馈并不断重复这个循环,是现代开发的成功之道。将这个循环赋予软件开发,则产生了 Devops;赋予数据建模,则催生了 MLOps。
从今年几笔融资案例来看,Tecton($100M)、Diveplane($25M)、Arize($38M)、Galileo($18M)等等,MLOps 正值火热。
而 MLOps 能提供什么价值呢?理论而言,MLOps 可以在较少成本下,通过前述自动化循环提升产品质量。具体来说,超过八成数据科学家和工程师每天都为找出 AI 系统中的错误所耗的时间而发愁,其中四成表示可能要耗费一周,通过 MLOps 可以有机会减少这个时间。一些 MLOps 平台可以监控数据流、计算延迟时间及处理成本、将历史数据进行在线训练等等。
考虑到机器学习的相关职位的薪酬在当下溢价高到夸张,将钱投资在节省从业人员的工作时间上显得尤其划算。即便如此,MLOps 也并不能作为 AI 行业的核心,否则将落入“工具导向”的陷阱。更重要的,也许是系统性理论学习,以及公司内 ML 文化的建立。
你折腾框架,我研究工具,她沉心学习,我们加起来,应该会有一个美好的未来。
Twitter: @fossflow
All rights reserved by FossFlow CC4.0-BY-SA-NC
其他事件
© Copyright FossFlow team, all rights reserved.
HTML template:
© Copyright 2016-Tech News . Design by: uiCookies Technology News Magazine