mlops-engineer - 构建可扩展的机器学习基础设施与自动化流水线。
使用 MLflow、Kubeflow 和现代 MLOps 工具构建机器学习流水线、跟踪实验并管理模型注册表。
标签
更新于: 2026-09-24能力
典型输入
典型输出
该技能可以做什么
- 构建可扩展的机器学习基础设施
- 编排机器学习流水线
- 跟踪机器学习实验与模型
- 管理模型注册表与版本控制
- 使用代码化基础设施进行资源编排
- 部署生产环境机器学习模型
- 监控模型性能与数据漂移
- 实现机器学习持续集成与部署
输入
- MLOps 目标与系统约束
- 实施剧本资源文件
输出
- 可执行的实施步骤与验证计划
- 机器学习流水线与基础设施配置
要求
- Docker 或 Kubernetes 容器运行环境
- 云平台或基础设施访问权限
- MLflow 或 Kubeflow 等 MLOps 工具