MLOps 工程师是什么角色？未来有前途吗？

MLOps是AI时代的运维体系，是AI的基础设施，目标是简化整个组织的流程，实现全自动化，从而能够让机器学习团队更轻松和方便的提高效率。

MLOps具体的定义，知乎上有很多问题和解答，就不多阐述了。今天主要从人的角度做一些解答。

在一个AI团队中，往往或多或少有这么几个角色：

• 业务专家（或者叫主题专家）：提供构建模型的业务目标，问题或者KPI，并能评估模型实际在业务中应用的效果。
• 数据科学家：构建模型来解决业务专家的需求，设计和交付模型，评估模型结果。
• 数据工程师：协助科学家处理数据以支持AI模型，当业务较小时候往往不需要过于专业的数据工程师，但当数据量变大的时候，专业的数据工程师非常有价值。
• 软件工程师：将ML模型集成到公司业务的应用或者系统里，保证整个机器学习的无缝协作和自动化。
• 运维：执行和构建系统的安全性，优化性能和可用性，CI/CD的pipeline管理，使公司更大规模的Devops策略的兼容。
• 模型风控/审计：常见于金融模型领域，让模型合规，合法，降低风险。
• 架构师：基于业务，公司架构，ML管道来构建整个模型的架构，考虑资源

以上是严格意义上的分工，但实际上只有巨头公司才会分的这么细，大多数中小型企业，往往都是身兼数职。

简单来说主要是三类：1 业务 2 数据/模型 3 工程。

题主所问的MLOps工程师，应该是聚焦于工程领域的“架构师+运维+软件工程师”，可能还需要有一些