mlops-engineer - 构建机器学习流水线与可扩展ML基础设施
使用 MLflow、Kubeflow 等现代 MLOps 工具构建全面的机器学习流水线、实验跟踪和模型注册表。
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
- 编排机器学习工作流
- 跟踪机器学习实验与模型
- 管理模型注册表与版本
- 部署容器化机器学习工作负载
- 使用 IaC 自动化基础设施
- 实现机器学习 CI CD 流水线
- 监控模型漂移与系统性能
输入
- 机器学习目标与系统约束
- 实现剧本文件
输出
- 机器学习流水线配置
- 基础设施即代码模板
- 容器化机器学习部署
要求
- Kubernetes 运行环境
- 云平台访问权限
- MLOps 工具链支持
