《Introducing MLOps》读书笔记：MLOps、ModelOps 与 AIOps，以及 DataOps

MLOps（Machine learning operations）是企业部署数据科学项目的关键组件，它 是将软件工程领域的DevOps实践，应用到机器学习领域。大致上来说，它是一个过程或者一整套体系，帮助组织和商业领袖在构建数据科学、机器学习和人工智能相关应用时，能够减少风险，创造长期价值。在提及 MLOps 时，可能有一些其他术语让人疑惑，比如ModelOps 和 AIOps。

《Introducing MLOps》一书对这三个 Ops 给出了区分：

• 有时候 MLOps 和 ModelOps 是等价的。
• 有些人认为 ModelOps 比 MLOps 涵盖更大的范围，因为前者不仅包括运维“机器学模型模型”，还运维其他模型（比如“基于规则的模型”）。
• AIOps 是与 MLOps 完全不同的话题，指的是通过使用AI解决运维中的挑战，比如预测网络故障等。

AI 应用的基础之一是高质量的数据。与数据运维相关的一个话题是 DataOps。2014 年 IBM 提出了 DataOps，它旨在提供快速可用的业务就绪数据，重点关注数据质量和元数据管理。