随着公司加大机器学习的力度，他们正在开发的模型数量的增长开始影响他们的工具集、流程和基础设施。机器学习涉及到数据和数据管道、模型训练和调优（即实验）、治理以及用于部署、监视和可观测性的专用工具。大约三年前，我们第一次听说"机器学习工程师"是旧金山湾区出现的一个角色。如今，机器学习工程师越来越普遍，公司也开始思考mlop的系统和策略，这是一套生产机器学习的新实践。 重点介绍MLOps的项目和主题我们一直在密切关注Devops对于机器学习或MLOP的日益增长的兴趣，对于即将到来的virtual Spark+AI峰会，我们将提供与MLOP相关的培训、教程、主题演讲和会议。我们在最近一次关于ML平台的虚拟会议上提供了一个预览，在6月份的会议上我们有更多的内容。虚拟火花+人工智能峰会将涉及的一些主题包括：模型开发、调整和治理：将有来自许多公司（包括Atlassian、Halliburton、Zynga、Outfact和Facebook）的实际培训MLflow和案例研究。特色商店：2017年，Uber引入了一个中心位置的概念，在一个组织内存储策划的功能。由于相关特性的创建和发现是ML开发过程的中心部分，因此团队需要数据管理系统（featurestores），在那里他们可以存储、共享和发现特性。在今年的峰会上，一系列公司，包括泰康、逻辑时钟、埃森哲和iFoods，将介绍他们建立特色商店的方法。大型模型推理和预测服务：几位演讲者将介绍他们如何将ML模型部署到生产中，包括详细介绍设计大规模预测服务的最佳实践的会议。我们将有来自Facebook、LinkedIn、微软、IBM、斯坦福、埃克森美孚、CondéNast等的演讲者。监视和管理生产中的模型：模型监视和可观察性是许多公司刚刚开始构建的功能。在今年的虚拟峰会上，我们有幸得到了正在建设这些服务的公司和演讲者的发言。一些提供和教授这些主题的公司包括来自Intuit、Databricks、Iguazio和AWS的演讲者。MLOps:continuousintegration（CI）和Continuous deployment（CD）是众所周知的软件工程实践，它们开始影响公司如何开发、部署和管理机器学习模型。今年的峰会将有包括英特尔、外联、Databricks和其他公司在内的领先公司就ML的CI/CD进行演示。机器学习和人工智能正在影响更广泛的领域和行业。与此同时，大多数公司才刚刚开始构建、管理和部署机器学习模型以投入生产。即将到来的virtual Spark+AI峰会将重点介绍最佳实践、工具和案例研究，这些实践、工具和案例研究来自那些在实际应用中使机器学习发挥作用的公司和演讲者。保住你的位置免费试用Databricks。今天就开始吧