了解机器学习和深度学习概念至关重要，但如果您想建立有效的人工智能职业生涯，您还需要生产工程能力。
有效部署机器学习模型需要软件工程和 DevOps 等技术领域更常见的能力。用于生产的机器学习工程将机器学习的基本概念与现代软件开发和工程角色的功能专业知识相结合。
生产机器学习工程 (MLOps) 专业涵盖如何概念化、构建和维护在生产中持续运行的集成系统。与标准机器学习模型形成鲜明对比的是，生产系统需要处理不断变化的数据。此外，生产系统必须以最小的成本不间断运行，同时产生最大的性能。在本专业中，您将学习如何使用完善的工具和方法来有效且高效地完成所有这些工作。
在本专业化中，您将熟悉生产中机器学习工程的功能、挑战和后果。最后，您将准备好运用新的生产就绪技能来参与前沿人工智能技术的开发，以解决现实世界的问题。
应用学习项目
到最后，您将准备好
• 端到端设计机器学习生产系统：项目范围、数据需求、建模策略和部署要求
• 建立模型基线、解决概念漂移以及如何开发、部署和持续改进生产化机器学习应用程序的原型
• 通过收集、清理和验证数据集来构建数据管道
• 使用 TensorFlow Extended 实施特征工程、转换和选择
• 利用数据沿袭和来源元数据工具建立数据生命周期，并利用企业数据模式跟踪数据演变
• 应用技术来管理建模资源并最好地服务离线/在线推理请求
• 使用分析来解决模型公平性、可解释性问题并缓解瓶颈
• 为需要不同基础设施的模型服务提供部署管道
• 应用最佳实践和渐进式交付技术来维持持续运行的生产系统
