前段时间，吴恩达教员的一场讲座吸引了大量开发者的关注。这次讲座不再是呆板进修基础知识相关内容，而是面向开发者，教大家如何布局呆板进修模型。
近年来，MLOps 成为了 AI 开发领域的热门观点。吴恩达教员的这场讲座就围绕这一热门话题展开。
吴教员认为，随着呆板进修扩展到更多的行业，且变得越来越复杂，开发者创建算法所需的结构和流程必须适应新的环境和案例。所以，在这 1 小时的演讲中，他分享了他认为「下一代呆板进修实践者所需求的基本技能」。
这场讲座在 Youtube 上线 19 分钟就有 1.3 万的寓目量，如今寓目量更是接近 10 万。
不过，一个小时的演讲总让人意犹未尽，吴教员有没有想过开一个零碎课程呢？
好消息来得就是这么突然：刚刚，吴教员在推特上宣布，他们的「MLOps」专项课程已经在 Coursera 上正式上线！
这门课程主要介绍如何观点化、建立和维护在出产中持续运行的集成零碎。与标准的呆板进修模型不同，出产零碎需求处理不断变化的数据。此外，它还必须以最低的成本、最高的性能不间断运行。因此，这门课程的重点是介绍如何用成熟的工具和方法有效地完成所有这些工作。
课程概况
这套专项课程共包含 4 门课程：
出产中的呆板进修简介
出产中的呆板进修数据生命周期
出产中的呆板进修建模 pipeline
在出产中布局呆板进修模型
每节课的具体内容参见课程主页：
课程主页：https://www.coursera.org/specializations/machine-learning-engineering-for-production-mlops
在学完这套课程后，你将 get 到以下知识点：
设计一个端到端的 ML 出产零碎：项目范围、数据需求、建模策略和布局需求；
创建一个模型基线，解决观点漂移，制作开发、布局以及不断改进出产环境 ML 运用的原型；
通过收集、清洗和验证数据集来建立数据 pipeline；
运用 TensorFlow Extended 实现特征工程、变换和选择；
利用数据沿袭（data lineage）和数据溯源（data provenance）元数据工具来建立数据生命周期，并遵循企业数据模式的数据演变；
运用技术来管理建模资源，以最好的方式服务 offline/online 推理请求；
运用分析方法解决模型的公平性、可解释性问题，同时缓解瓶颈；
为需求不同基础设施的模型服务提供布局 pipeline；
运用最佳实践和渐进式交付技术，以保持出产零碎的持续运行。
当然，在进修该课程之前，你需求掌握一些基础知识和技能，比如深度进修、Python 语言以及 PyTorch、Keras 或 TensorFlow 等框架的运用方法。
讲师阵容
除了大家熟悉的吴恩达之外，本课程还有两位讲师：google的数据科学家 Robert Crowe 和google大脑的 Laurence Moroney。
Robert Crowe 是google TensorFlow 的 Developer Advocate，是 TensorFlow Extended 团队的一员。他热衷于帮助开发人员快速了解提高出产力所需的知识。在入职google之前，Robert 领导着大型和小型公司的软件工程团队，始终致力于提供清晰、优雅的解决方案来满足明确的需求。
Laurence Moroney 是google的 AI Lead，致力于运用 TensorFlow 来开发并建立人工智能相关的运用。他发表了很多编程书籍，现在在视频培训领域与 deeplearning.ai 和 Coursera 展开合作。此外，Laurence 还是美国科幻作家协会成员，创作了一些科幻小说、剧本和漫画书，包括克里斯蒂安 · 贝尔主演电影《撕裂的末日》（Equilibrium）的前传。
如果你对这门课程感兴趣，现在就可以去 Coursera 注册听课。
为了向国内开发者传播 MLOps 的观点，呆板之心此前经授权，将文章开头所述的热门讲座搬到了呆板之心知识站，感兴趣的小伙伴可以点击这里寓目。