贯穿机器学习全生命周期的 MLOps:一项综述
机器学习
2023-04-18 v1 人工智能
摘要
Google AlphaGo 的胜利极大地激励并加速了机器学习(ML)的研究与开发,带来了巨大的 ML 技术进展及在诸多领域(如金融、医疗、国防、教育)的更广泛采用。这些进展催生了大量新概念与技术,其数量之多令人难以跟上甚至感到困惑,尤其对 ML 领域的新人而言。本文旨在通过一份全面综述清晰呈现现有 ML 技术的现状。我们将 ML 视为一个 MLOps(ML Operations,机器学习运维)过程来展开此综述,其中收集并详述了关键概念与活动,并配以代表性工作与综述。我们希望本文可作为 ML 新人(如研究者、从业者)的快速参考手册(综述的综述),以概览 MLOps 过程,并良好理解 ML 过程各步骤所用的关键技术,以及知晓从何处查找更多细节。
引用
@article{arxiv.2304.07296,
title = {MLOps Spanning Whole Machine Learning Life Cycle: A Survey},
author = {Fang Zhengxin and Yuan Yi and Zhang Jingyu and Liu Yue and Mu Yuechen and Lu Qinghua and Xu Xiwei and Wang Jeff and Wang Chen and Zhang Shuai and Chen Shiping},
journal= {arXiv preprint arXiv:2304.07296},
year = {2023}
}