ML Lifecycle Overview

Note

As the English version of the document is being updated, some of the content here might be inconsistent with the actual product or feature that you are using. Bear with us until we bring you the updated documentation in September, 2020.


生产型的机器学习模型一般因为数据的更新和算法的优化需要不断迭代。ML生命周期管理贯穿于整个机器学习作业流程,包括数据预处理、模型训练、模型注册、模型部署、模型服务以及运行监控。


企业分析平台将上述流程通过ML生命周期管理工具,进行作业流设计和编排、生产发布、和调度运行,并通过DAG的方式进行表达,实现模型的自动迭代发布。在线下设计中集成了丰富的算子,支持条件判断、循环展开等逻辑表达,并在线下完成实验仿真运行;在线上生产中提供自动化的调度功能,并对每次运行实例进行记录、跟踪、和归档。端到端地实现生产型机器学习的全生命周期管理和模型的迭代优化。


ML生命周期管理的组成和架构如下图所示:

../_images/ml_lifecycle.png