模型服务与 MLOps

把训练好的模型接入服务、监控和可重复交付流程。

阅读起点

学习前先阅读：模型评估 学习路线。

全书顺序

本书按知识依赖组织。主线先建立可运行的共同模型，再进入机制、工程边界和生产约束；维护与前沿内容明确标注，不改变主线的学习顺序。

第1章｜推理服务

设计批量与在线推理接口，处理延迟、版本和资源约束。

1. 批量与在线推理：比较离线作业、同步 API 和异步队列的边界。
2. 模型版本与回滚：让权重、代码、特征和配置能够共同追踪与回滚。
3. 性能与成本：用批大小、缓存、量化和并发控制资源开销。

第2章｜可重复实验与生产监控（维护与兼容）

建立从数据到模型的可追溯发布和反馈闭环。

1. 数据与模型血缘：记录数据快照、特征、代码和产物之间的关系。
2. 漂移与线上评估：区分数据漂移、概念漂移和服务故障并设置告警。
3. 持续训练的风险：处理自动重训、人工审批和回滚条件。

阅读边界

本页是学习路线和专题入口，不替代专题笔记中的机制解释、可运行示例和练习。笔记尚未完成的专题会先显示为占位页；已有经验的读者可以跳到具体章节，再按前置关系回补。

路线状态

本路线的目录已经纳入路线架构，正文笔记仍处于占位或待审查状态。