机器学习工作流中的开发和运行

在这里，我们将前两个环节作为建模阶段是商业化的开发阶段，部署阶段就是商业化的运营阶段。

先来说说开发阶段，考虑到机器学习工作流程的组件，可以看到探索和处理数据如何与建模紧密结合。如果没有首先为建模过程准备的数据，则不能进行建模。

与建模或探索和处理数据相比，部署与生产环境更紧密地耦合。因此，传统上，部署与机器学习工作流程的其他组件之间存在分离。具体看上面的图，其中过程数据和建模被认为是开发；而部署通常被视为运营。

过去的具体生产过程中，“开发”的部分主要由算法工程师处理，后续的“操作”部分则由负责生产环境的软件开发人员操作。

但是！ 随着技术（容器，端点，API）的最新发展和最常见的部署路径。开发和运营之间的这种差异变得模糊。这种划分的逐渐模糊化，使得算法工程师的工作范畴会涉及部署的某些内容，来快速更新及优化模型。