常见问题解答

我应该什么时候搭建 MLOps 平台？

当你注意到你的工程师花在研究和寻求工具选项批准上的时间比在构建机器学习模型上花费更多的时间时，现在是时候在 MLOps 平台上实现标准化了。

我能否将其他机器学习工具集成到 MLOps 平台中？

可以。您可以将非AWS 工具集成到平台中。虽然 SageMaker AI Studio 是该 MLOps 平台的核心，但你仍然可以将其他产品与 SageMaker AI Studio 的服务套件集成。

我的组织如何简化治理要求以加快创新？

作为您为证明 MLOps 平台构建而选择的候选用例的一部分，请确保用例足够复杂，需要各种数据分类，并且需要大数据量。这样做不仅可以证明平台的功能，还可以作为最初平台发布的一部分，从治理的角度完成繁重的工作。如果你能做到这一点，那么采用该 MLOps 平台作为部署一部分的团队的治理负担将更轻，因为他们使用的平台已经满足了复杂用例的治理要求。

我需要哪个团队来 MLOps 搭建平台？

一个坚 MLOps 实的基础可以明确定义多个角色和技术之间的互动，可以缩短实现价值的时间，降低成本，并使数据科学家能够专注于创新。对于 MLOps 平台开发来说，拥有合适的团队可能是失败与成功的区别。由于的性质 MLOps，需要涉及许多角色，例如数据科学家、机器学习工程师、 DevOps 专业人士、数据所有者、IT 所有者、业务分析师和产品负责人。确保所有利益相关者在跨职能团队中进行互动，以确保您的 MLOps 平台取得最佳成果。

我怎样才能开始我的 MLOps 旅程？

首先，您可以创建一个安全的实验环境，让数据科学家接收数据快照。数据科学家可以使用 SageMaker AI 进行实验，并最终证明机器学习可以解决特定的业务问题。

在组织中， MLOps 转型应该由自上而下还是自下而上的方法来推动？

虽然自下而上的方法可以取得成功，但领导层的支持对于 MLOps 平台开发的成功至关重要。通过自上而下的方法，您可以确保更快地标准化已开发的解决方案，降低成本，并提高组织内不同团队所开发模型之间的可扩展性和可重复使用性。