MLOps：跨国企业是否在重复同样的 DIY 错误？

编者 | 崔皓

开篇

一般来讲，民营企业不时会有意紧密结合自有的寒近似值配套是有原因的。过去十年，IT 基础驱动程式设计团队试图紧密结合自己的私有寒，因为他们确信与公共寒相比，私有寒时会以低端更是高的方式支撑他们的其业务。但可惜，事与愿违花费在私有寒上的的整整和成本都最少了期望，开建私有寒以后反而必须更是多的天然资源来对其顺利进行管理，并且在安全和拓展方面都比公共寒略逊一筹。这引致那些自建私有寒的民营企业事与愿违没有更是多的天然资源注资于一个中所心其业务，而是将大量的整整和人员改装成到未能拓展其业务消费的配套上。

过去，许多民营企业通过各种开源来顺利进行（如 Apache Spark）作用于妥善解决方案，但对于 MLOps 的大多数行为都必须顺利进行重复地手动操作。

这时会引致静态侦察必须数周甚至数月的整整、低效的开始运行整整（通过近似值和所需整整开始运行的推理来基准），同时还不足对静态测试和跟踪的观察。并且，所用方式过于内置化，未能为民营企业的相异部门的多个用例共享可拓展、可复用的其业务流程。

误诊情况的范例

此外，通过与其业务线督导人、主管数据库分析官的对话得出这样的结论，虽然该组织雇主了很多的数据库科学知识家，但并没有看到任何许诺。随着研究的深入，他们时会大幅提出各种情况，通过这些情况去辨别智能面对着的紧迫和障碍。他们很快想到关键情况在“再一英哩”——侦察静态并用到于同步数据库，有效地执行它们，这样一来才能使利息大于成本，从而更是好地基准其性能。

为了妥善解决其业务情况和制定其业务决策者，数据库科学知识家将数据库转化为静态。这一每一次必须两类能力的大力支持，其一是，紧密结合出色静态所需的专业知识和能力；其二是，适用代码在虚幻世上中所倡导静态，同时跟踪和更是新静态的能力。然而这两类能力却完全相异。

正因为这种差异性就有了ML 技工的用武之地。ML 技工督导将来顺利进行和基础顺利进行集成，以前提数据库、管道和配套多种类型，在此前提下大规模投入生产 ML 静态。

那么，过去怎么办？雇主更是多的数据处理技工？

即使拥有最好的 ML 技工，民营企业在拓展 AI 时仍面对着两个主要情况：

未能迅速雇主 ML 技工：对 ML 技工的消费变得十分强烈，ML 技工的职责悬空经济总量比 IT 服务激增的速度快了 30 倍。有时必须等待数月甚至数年来这样一来岗位悬空，由此MLOps 设计团队必须找到一种高效的方式大力支持更是多的 ML 静态和用例，而不须通过增加 ML 技工的人数来满足对ML用到的消费。但这一预防措施又时会促使了第二个瓶颈…… 无论在何处以及如何紧密结合静态，都不足侦察静态的可重复、可拓展的最佳出发点：现代民营企业数据库自然环境的现状是，相异的股份公司根据数据库和新技术的要求时会适用相异的数据库该平台（例如，产品线设计团队可能必须大力支持流数据库，而税务必须为非新技术软件共享简单的查询界面）。此外，数据库科学知识还必须将用到分散到各个股份公司而不是之外所用到。换句话说，相异的数据库科学知识设计团队中所针对他们关注的用例（课题）都有一套特有的静态专业训练基础，这意味著一刀切的专业训练基础针对整个民营企业（包括多个部门/课题）而言是未能创建的。 如何从智能中所取得远最少经济效益

为了大大提高控制系统能力；为了共享大规模的软件全方位体验；为了还清更是恰当、更是精密、可预测的软件许诺，民营企业仍未向智能改装成了数十亿美元。但到目前为止，智能的许诺和结果之间存在巨大差距，只有分之一 10%的智能注资转化成了极多的注资许诺率。

再一，为了妥善解决 MLOps 情况，主管数据库分析官必须围绕其业务一个中所心的数据库科学知识紧密结合自己的能力，同时也要注资其他的与 MLOps控制系统具体的新技术。这是常见的“紧密结合与购买”困局，不仅从运营的角度（成本利息）去顾及，更是多地必须顾虑智能注资在整个民营企业中所渗透的速度和经济性，以及是否通过更是好的方式转化成新的利润产品线和软件群，或通过大大提高控制系统程度和减少浪费来调低成本。

编者简介

崔皓，51CTO一个社区出版人，资深驱动程式师，拥有18年的软件开发和驱动程式充分，10年分布式驱动程式充分。任职德州仪器新技术专家学者。乐于回馈，撰稿了很多冷门新技术评论，学习者量最少60万。《分布式驱动程式基本原理与出发点》所写。

注解原文：MLOps | Is the Enterprise Repeating the Same DIY Mistakes?

精神病科
长期反酸烧心怎么办
手术祛痘
长时间腹泻是什么原因
总是便秘怎么办