探索 MLOps：成熟度、生命周期、工具与职业的洞见
软件工程
2025-07-14 v1
摘要
机器学习操作（MLOps）的采用使行业能够实现自动化和可靠的模型部署。然而，由于行业、学术界和组织提出的差异化MLOps生命周期框架和成熟度模型，导致对标准采用实践的混乱。本文提出了一个统一的MLOps生命周期框架，进一步融合了大型语言模型操作（LLMOps），以解决这一问题。此外，我们概述了在不同成熟度水平下与MLOps采用相关的关键角色、工具和成本。通过提供标准化框架，旨在帮助组织明确定义和分配实施MLOps所需的资源。
引用
@article{arxiv.2503.15577,
title = {Navigating MLOps: Insights into Maturity, Lifecycle, Tools, and Careers},
author = {Jasper Stone and Raj Patel and Farbod Ghiasi and Sudip Mittal and Shahram Rahimi},
journal= {arXiv preprint arXiv:2503.15577},
year = {2025}
}
备注
8 pages, 2 figure, 4 tables