面向工业4.0的 MLOps：多案例研究
原子物理
2024-07-15 v1
摘要
随着机器学习（ML）在工业4.0中变得更加普遍，存在着将 ML 引入生产的系统化方法在工业环境中实际实施的需求。此时，MLOps 就扮演了重要角色。MLOps 指用于可靠且高效地开发、测试、部署和管理 ML 模型的过程、工具和组织结构。然而，目前缺乏关于工业企业中 MLOps 实际实施情况的信息。为此，我们对三个拥有专门 MLOps 团队的大型企业进行了多案例研究，研究在工业4.0环境中使用既定工具和明确定义的模型部署流程。该研究描述了四个工业4.0场景，提供了关于其实施情况以及在众多项目中所面临的挑战的相关见解。进一步讨论了 MLOps 的流程、程序、技术以及公司之间情境性差异。
引用
@article{arxiv.2407.09108,
title = {Buffer gas cooling of carbon atoms},
author = {Takashi Sakamoto and Kohei Suzuki and Kosuke Yoshioka},
journal= {arXiv preprint arXiv:2407.09108},
year = {2024}
}
备注
10 pages, 3 figures