2025/12/04

「與軟體開發一樣，MLOps需要一套工具和框架生態系，將ML專案過程標準化，為資料科學家與其他專案成員創建一個協作環境，這是一種縮短將模型全面投入正式環境所需時間的解決方案。」——《MLOps实践：机器学习从开发到生产》（本書為簡體中文作者出版書籍，引用內文則經過轉譯為正體中文。）

2009 年 devops 一詞問世，它逐漸廣納各種思維、實踐與工具，成為人人都能講上兩句的 DevOps。

如同 DevOps 受到了 Agile 與 Lean 思維的許多影響，DevOps 思維也為其他領域帶來了影響。

原來不只是軟體開發需要一套思維、流程、實踐及工具來幫助團隊可以持續交付高品質的產品；

受到 DevOps 的啟發，在資料領域也出現了 DataOps 及 MLOps，原來資料與模型作為一種產品，也同樣需要一套思維、流程、實踐及工具來實現順暢的交付價值。

你覺得在你的組織內，還有什麼流程或產品是能夠適用 DevOps 的核心精神「交付價值、持續改善」的呢？會不會在你組織內，會出現某種屬於你們的 OOXXOps？