隨著 ML 應用程式和 AI 的蓬勃發展，很明顯，開發準確的模型只是難題的一部分。若要成功創建 Machine Learning 驅動的產品，必須創建 MLops 實踐和基礎設施，以便在生產環境中訓練、部署和管理 ML 模型。一些關鍵主題包括：

• MLops 工具

• 模型漂移和監控

• 無縫重新訓練和模型版本控制

• 資料版本控制以及儲存的工件。