序

在亨利 ? 福特的公司于 1913 年建造第一條用于生產傳奇的福特 T 型汽車的流水線后，每架汽車底盤的組裝時間從 12 小時降至約 90 分鐘。這條流水線大大降低了成本，使福特 T 型汽車成為歷史上第一款大眾可購買的汽車。它也實現了量產化，因此在不久之后，路上便出現了大量的福特 T 型汽車。

當生產過程被定義為一系列清晰的步驟時（這個系列又稱為流水線），如果將一部分步驟自動化，則可以節省很多時間和金錢。在今天，汽車的生產大部分是依賴機器完成的。

然而，節省時間和金錢并不是自動化的全部目的。對于大部分重復性的工作來說，機器比工人更穩定，進而保證了最終產品的可預期性、一致性和可靠性。同時，當工人們不再需要在重型機械旁工作時，生產安全極大地提高了，他們也可以從無聊的工作中解放出來，從事更有價值的工作了。

從另一個角度來看，搭建一條流水線既耗時又耗材。如果只想生產小批量或高度定制化的產品，流水線并不是理想的選擇。福特曾有一句名言：“當汽車只有黑色一種顏色時，客戶便沒有定制顏色的權利。”

在過去的幾十年中，我們可以在軟件行業看到汽車量產史的影子：今天大部分的重要軟件是由 Jenkins 或者 Travis 等自動化工具構建、測試和部署的。然而，福特 T 型汽車的例子并不能完全反映軟件行業的現狀。與投放汽車不同，軟件不僅需要部署，還需要日常的監測、維護和升級。軟件開發流水線更像是靈動的循環，而不是缺少變化的生產線。快速、可靠地升級軟件或者流水線是非常重要的。任何軟件都比福特 T 型汽車更能被個性化，軟件可以“擁有”各種各樣的顏色（打個比方，你可以算算微軟 Office 有多少個版本）。

可惜的是，“傳統”的自動化工具不能滿足機器學習流水線的需求。實際上，機器學習模型并不是傳統意義上的軟件。

第一，機器學習模型的大部分行為由訓練數據驅動。因此，訓練數據本身必須是某種意義上的“代碼”（比如需要版本控制）。對數據進行版本控制是個非常棘手的問題，因為每天都會出現大量的新數據，這些數據會隨著時間而變化，通常還摻雜著隱私數據，而且必須進行標注后才能用于監督式學習算法。

第二，這些模型的行為往往不夠透明。它們可能在一些測試數據上通過所有檢測，但在另一些測試數據上無法通過。因此，你需要保證測試樣例能夠反映模型在生產環境中所接觸的所有數據。特別需要防范模型對某一部分用戶的歧視。

因為某些原因，數據科學家和軟件工程師在早期都是用“小作坊”的方式手動構建和訓練機器學習模型的。許多人至今仍然保持著手動開發模型的工作方式。但近幾年的新型自動化工具，比如 TensorFlow Extended（TFX）和 Kubeflow，可以用來應對機器學習流水線中的各種挑戰。越來越多的組織開始用這些工具創建機器學習流水線，進而將大部分（甚至全部）機器學習模型的構建步驟和訓練步驟自動化。和汽車行業的自動化一樣，機器學習的自動化可以節省成本和時間，構建更好、更可靠、更安全的模型。人們可以將更多的時間用在有價值的工作上，而不是在簡單的復制數據或者分析數據的任務上浪費時間。但是，構建機器學習流水線并不是一件簡單的事情。該如何開始呢？

答案就在這本書中！

在這本書中，漢內斯和凱瑟琳提供了清晰的機器學習流水線自動化指南。作為通過上手實操學習技術內容的堅定支持者，我特別享受這本書一步一步帶你完成示例項目的過程。有了大量的代碼示例和簡潔明了的解釋，你很快就能架設和使用自己的機器學習流水線，并且知道如何將它用在各種應用場景中。強烈建議你在閱讀的同時在計算機上進行實操練習，這樣會學得更快。

2019 年 10 月，我在美國加利福尼亞州圣克拉拉市舉辦的 TensorFlow World 會議上第一次見到了漢內斯和凱瑟琳。會上我演說了如何用 TFX 搭建機器學習流水線。他們當時正在撰寫這本書，而且我們的編輯是同一個人，所以我們聊了很多共同話題。演講結束時，一些與會者問了我很多關于 TensorFlow Serving（TFX 的一個部件）的技術問題，漢內斯和凱瑟琳幫我找到了這些問題的答案。漢內斯甚至接受了我的臨時邀請，在會上介紹了 TensorFlow Serving 的進階特性。他的演說簡直就是寶藏，充滿了深刻見解和實用的建議。你可以在這本書中學到這些見解和建議，以及更多豐富精彩的內容。

開始創建專業的機器學習流水線吧！

 

——Aurélien Géron

前 YouTube 視頻分類團隊主管

《機器學習實戰：基于 Scikit-Learn、Keras 和 TensorFlow 》作者

2020 年 6 月 18 日于新西蘭奧克蘭市