课程主页: https://www.coursera.org/learn/deploying-machine-learning-models-in-production
课程名称：在生产环境中部署机器学习模型
课程概述：这是机器学习工程专业化系列的第四门课程，旨在让学习者掌握如何将机器学习模型部署并使其可供最终用户使用。课程内容覆盖构建可扩展且可靠的硬件基础设施，以便根据用例实时或批量处理推理请求。学员还将学习如何实施工作流自动化和渐进式交付，以遵循当前的MLOps实践，确保生产系统的正常运行。此外，还将持续监控模型表现，以确保系统的稳定性与高效性。
课程大纲：
第一周：模型服务：简介
学习如何让你的机器学习模型对最终用户可用，并优化推理过程。
第二周：模型服务：模式与基础设施
学习如何通过建立可扩展和可靠的基础设施来提供批量和实时推理结果。
第三周：模型管理与交付
学习如何实施符合现代MLOps实践的机器学习流程、管道和工作流自动化，帮助管理和审核整个项目生命周期。
第四周：模型监控与日志记录
建立程序以检测模型衰退，并防止在持续运行的生产系统中准确度降低。
课程评测：
这门课程非常适合希望将机器学习模型应用于实际生产环境的学习者。每个模块都深入浅出，提供了理论基础与实践相结合的教学方式。特别是在模型监控与管理方面，课程内容提供了实用的工具和方法，帮助学员确保模型在生产环境中的持续准确性和稳定性。总之，这是一门内容丰富、实践性强的课程，适合各种背景的学习者。
课程主页: https://www.coursera.org/learn/deploying-machine-learning-models-in-production