工程师如何掌握MLOps技能？9本书帮自己上手

MLOps是近年很常出现的名词，它是ML（机器学习）与DevOps（开发与维运）的结合，指的是从AI模型训练到上线的一套完整ML工作流。若要成为专业的MLOps工程师，需要具备怎样的技能？

MLOps工程师需要怎样的技能？
MLOps工程师需要具备坚实的coding能力，以及ML专业知识，包含scikit-learn、Tensorflow、Keras等ML框架的经验。

此外，MLOps工程师也要有管道建立、扩展ML，以及将模型带到应用场域的经验；还要有帮助组织落实构架、系统等能力，以确保模型的顺利部署。

若要成功部署ML模型，很大程度取决于这两个关键因素：代码、数据。MLOps工程师需要了解这两者的关系。数据是真实世界的数据，会不断变化；代码则是在受控的环境中，开发出来的构架与系统，而弥合数据与代码的差距，是ML流程的重要挑战。

另外，企业ML的应用是为了满足商业需求，因此MLOps工程师也需要注意业务相关的KPI。这类KPI需要密切追踪，并借此优化ML模型，确保ML的投资能带来足够的回报。

9本MLOps书籍帮工程师快速上手
ML、DevOps都是专业领域，而结合两者的MLOps更是高强度的专业，工程师需要具备数据分析、模型开发、测试、整合、部署、维运等知识。外媒Analytics India Magazine整理9本2021年度的MLOps书籍，给工程师们参考：

1、Machine Learning Engineering
此书是目前最完整的应用人工智慧书籍之一，内有大规模建构可靠机器学习解决方案的最佳实践和设计模式。

2、ML Ops: Operationalizing Data Science
许多分析与ML模型并未进入生产阶段，而此书解说导入ML的四步骤：建构、管理、部署／整合、监控，帮助读者导入ML模型。

3、Building Machine Learning Powered Applications
此书分为四大部分，分别为如何规划ML应用，如何建立ML模型，如何改进模型，以及部署与监控策略，协助读者打造ML驱动的应用程序。

4、Building Machine Learning Pipelines
通过本书，读者能学习如何使用TensorFlow生态系，实现机器学习管道自动化。

5、Practical MLOps
这本书带读者了解什么是MLOps，以及它与DevOps的差别，并解释如何操作ML模型，是MLOps工具与方法的入门书。

6、Introducing MLOps
通过本书，读者能理解MLOps的关键概念，有助于操作ML模型，并随着时间的推移优化模型。

7、Beginning MLOps with MLFlow: Deploy Models in AWS SageMaker，Google Cloud，and Microsoft Azure
本书涵盖MLFlow以及将MLOps整合到现有代码中的方法，以追踪指标、参数、图形和模型。

8、What Is MLOps？
本书介绍数据科学–ML–AI项目的生命周期，涵盖ML模型的建构，AI项目生命周期的监测等。

9、Engineering MLOps
本书提供真实的案例，分享深入的MLOps知识，以帮助读者写程序，训练强健和可扩展的ML模型，并建构ML管道，用以训练并部署模型。

科技不断发展，为了赶上市场需求，许多工程师一直在努力学习最新的程序、开发等技术。MLOps是近年快速发展的领域，带给工程师挑战，但也带来新的职涯发展机会。