MLOps/LLMOps

谈到数据产品，很多时候有一种误解，认为这些产品无法通过自动化来进行测试。 尽管流水线的某些部分由于其实验

我们谈了很多关于将机器学习代码投入生产的过程。 但是，一旦模型投入生产，您还没有完成，您才刚刚开始。 模

背景 数据科学和机器学习正逐渐成为解决复杂现实问题以及在所有领域创造价值的核心功能。现在，有效运用机器学

将机器学习/人工智能/数据科学生产化是一项挑战。 不仅机器学习算法的输出经常编写需要合并到现有生产服务中

现代机器学习 (ML) 平台的起步已经大约有十年的时间了，这一平台的灵感主要来自数据科学家不断增长的基于

机器学习应用程序在我们的行业中变得越来越流行，但是与更传统的软件（例如： Web 服务或移动应用程序）相

BentoML 提供易于使用的本地和集中式商店来管理模型和bentos。 本文重点介绍基于本地文件系统的

Bentos 是 BentoML 服务的布局格式。 Bento 是一个独立（self-contained

APIs 是在服务定义中定义的函数，它们作为 HTTP 或 gRPC 端点暴露出去。 如果一个函数用 @

服务定义是面向服务架构（SOA）的体现，是 BentoML 中的核心构建块，用户在其中定义服务运行时架构

简述 BentoML 是一个用于机器学习模型服务的开源框架，旨在弥合数据科学和 DevOps 之间的差距（

本文将介绍 Milvus 系统中数据写入、索引构建、数据查询的具体处理流程，同时，还会介绍Milvus支持

什么是 Milvus Milvus 是一款云原生向量数据库，它具备高可用、高性能、易拓展的特点，用于海量向

MLOps 全球的MLOps和ML工具概览 聊聊MLOps是什么，它对算法工程师带来了什么 【翻译】可重复可复现的机器学习在生产中的12个要素 工作流 【翻译】开源工作流工具调查（MLOps） 【翻译

为什么选择 DVC？ 即使我们今天在机器学习方面取得了巨大的成功，特别是在深度学习及其在商业中的应用方面；但是，数据科学家

在某些情况下，数据太大，或者其处理的组织方式使其无法在本地机器磁盘中处理，最好避免将其从当前的外部位置移动。 例如，NAS

外部输出不会从 远程存储 push 或 pull。 在某些情况下，数据如此之大，或者其处理的组织方式使其无法在本地机

DVC 将许多现有的想法结合到一个工具中，目标是将软件工程的最佳实践带入数据科学领域。 Git DVC 在 Git 的基础

为了跟踪使用 dvc add、dvc repro 等添加的数据文件和目录，DVC 将所有这些文件移动到项目的缓存中。 但是

您可以通过在一个或多个 dvc.yaml 文件（或流水线文件）中定义各个阶段（Stage）来构建数据科学或机器学习流水线（