本專案提供wiki頁面查詢，歡迎移至wiki頁面方便觀看。

簡介

此專案由AIF(財團法人人工智慧科技基金會)維護製作，希望透過結合市面上各個優秀的MLOps開源軟體的優點，讓使用者可以更快速親民的接觸MLOps的世界。

特色

目前市面上 MLOps 有非常多已開發軟體可以選用，在眾多百花撩亂的產品中，我們挑選了優秀的幾個項目，並重新整合後讓使用者們可以更快速上手，且更能發揮到每個產品的優點。 這些環境在此專案都使用 Docker 建置，方便使用者快速建立環境且跨平台使用，省去建立環境時除錯的麻煩。

我們將幾個優秀的工具結合在一起且取其優點，例如 MLFlow、DVC、Prefect 及 MinIO，如果您有興趣瞭解為什麼挑這幾個項目可以至 <由開發團隊的需求出發，從無到有設計一個實用的 MLOps 系統> 閱讀更多資訊。

可以做到什麼

此專案涵蓋了您所想的到所有市面上大多數的 MLOps 功能，包含自動工作排程、資料與模型的版本控制、儲存每次的訓練結果及超參數組合等，您也可以至範例章節下手，選擇自己會需要的功能做閱讀使用，若對 MLOps 有興趣也可以至 <AI 專案開發一定要用 MLOps 嗎？從專案流程看起> 查閱更多內容。

建議閱讀順序

請您先至0-Quick-install章節進行環境安裝

接著可以從 1-Quick-start章節進行閱讀，了解整個系統大致上可以做到的功能。

接著可以按照順序逐一往下閱讀，或是有某項功能立即性的需求，也可以跳著閱讀。

• 2-Model-deploy

  利用MLFlow載入前處理方式及模型推論方法

• 3-MNIST-example

  此篇教學內容比較多，有以下

  1. 透過DVC進行資料版本控制
  2. 使用MLflow追蹤模型訓練結果
  3. 透過Prefect對模型再訓練進行自動化的排程

• 4-GPU-agent

  建立多GPU實驗環境