[原文書] Machine Learning Platform Engineering 建構用於機器學習(ML)和人工智慧(AI)系統的內部開發者平台

通過建構您自己的可靠、有效和自動化的財務顧問工具來控制您的財富管理。

2026年2月出版 ISBN 9781633437333 504頁

包含在 Manning Online 訂閱服務中 (可單買電子書)

黑白印刷, 除了英文版, 還有韓文版和俄文版

” A great resource, especially for those looking for a hands-on approach. ” – .Noah Flynn, Amazon

讓你的機器學習模型走出實驗室，投入生產！

要成功交付機器學習專案並非易事。機器學習平台工程課程讓這一切變得輕鬆。在本課程中，您將從零開始設計一個可靠的機器學習系統，融合 MLOps 和 DevOps，並結合一系列成熟的基礎設施工具，包括 Kubeflow、MLFlow、BentoML、Evidently 和 Feast。

在機器學習平台工程課程中，您將學習如何：

建立 MLOps 平台
將機器學習模型佈署到生產環境
建構端對端資料管道
實現有效的監控和可解釋性

一個設計合理的機器學習系統能夠簡化資料工作流程，改善資料團隊和維運團隊之間的協作，並為訓練和佈署提供必要的架構。在「機器學習平台工程」課程中，您將學習如何從零開始設計和實現機器學習系統。這門課程將為您提供實用的入門指導，幫助您充分利用自動化機器學習基礎設施的優勢。

關於這個技術

人工智慧和機器學習系統包含眾多元件，涵蓋語言庫、應用框架、工作流程和佈署基礎設施，以及機器學習模型和其他進階模型。一個設計完善的內部開發平台 (IDP) 能夠為開發者提供一套明確的工具和指南，從而加速開發流程，提升一致性、安全性和開發者體驗。

關於這本書

“ Machine Learning Platform Engineering ” 一書將向您展示如何為機器學習和人工智慧應用建立高效的身份提供者 (IDP)。每一章都深入講解機器學習工作流程的關鍵環節，包括設定編排管道、選擇模型、分配訓練、推理和服務所需的資源等等。您將逐步學習如何使用 Kubeflow、MLFlow、BentoML、Evidently、Feast 和 LangChain 等開源工具建立一個強大的現代化平台。