译者：朱先忠
简介本文将介绍把机器学习基础设施、员工和流程融合的方式，以实现适用于企业的MLOps(面向人工智能系统的运维管理)。本文希望对旨在以高效人工智能团队开发强大的人工智能/机器学习(AI/ML)项目的经理和主管提供启发。
本文的经验来自Provectus公司的人工智能团队，该团队在人工智能技术的不同发展阶段先后与多家客户有过成功的合作。
怎样才算是一支平衡的人工智能团队?几年前，AI/ML(人工智能/机器学习)项目中相当一部分工作是由数据科学家负责完成的。虽然有些团队依赖更先进的角色与工具的组合来完成任务，但是由数据科学家通过自己的笔记本电脑来处理相关模型已经成为行业常态。
如今，仅仅雇佣一名数据科学家已经不足以快速、高效、大规模地将一个可行的AI/ML项目交付生产。更现实的方案是，这些项目最好由一个具有多个角色的跨职能、高绩效的团队来协作完成——每个角色仅负责处理自己的ML基础设施和MLOps部分。
在现代团队中，数据科学家或公民数据科学家仍然是不可或缺的成员。数据科学家是负责从整体上理解数据及相关业务的主题专家。他们是数据挖掘、数据建模和数据可视化方面的实际操作人员，此外还
转载请注明：http://www.0431gb208.com/sjsbszl/7820.html
