MLOps 以數(shù)據(jù)為中心

通常涉及數(shù)據(jù)管理、數(shù)據(jù)治理 和數(shù)據(jù)工程，以確保數(shù)據(jù)的可 用性、準(zhǔn)確性和可靠性

側(cè)重于用于訓(xùn)練和評(píng)估ML模型的數(shù)據(jù)。這 種方法優(yōu)先考慮收集、清理和組織G質(zhì)量的 數(shù)據(jù)，作為建立有效的 ML 模型的基礎(chǔ)。在 這種方法中，數(shù)據(jù)被認(rèn)為是 ML 模型準(zhǔn)確性 和性能的主要驅(qū)動(dòng)力，數(shù)據(jù)的質(zhì)量和數(shù)量被認(rèn)為比使用的具體算法或架構(gòu)更關(guān)鍵。

AutoML 以模型為中心

通常涉及優(yōu)化 ML 模型架構(gòu)、 超參數(shù)調(diào)整和模型選擇

專注于建立佳的 ML 模型架構(gòu)。這種方法 優(yōu)先考慮尋找佳算法或神經(jīng)網(wǎng)絡(luò)架構(gòu)來(lái)解決手頭的問(wèn)題，而數(shù)據(jù)被視為模型設(shè)計(jì)的次 要因素。在這種方法中，模型的準(zhǔn)確性和性 能被認(rèn)為比用于訓(xùn)練它的數(shù)據(jù)的質(zhì)量或數(shù)量 更關(guān)鍵。