譯者序

目前，大語言模型異常火爆，而在大模型時代，MLOps的形態也發生了一定的變化，訓練模型的范式完全變了，不再需要大量訓練過程，每一次調整prompt都是在訓練一個新模型，由于訓練變得很容易，因此訓練變得更頻繁了。所帶來的結果就是，模型的評估也變得更頻繁了，MLOps的作用體現得更明顯了。一旦確定了某個可用模型，訓練步驟就結束了，接下來，模型的上線發布策略、在線性能監控、檢查漂移、檢查SLO就和傳統的MLOps無異了。可以說除了訓練以外，所有傳統機器學習的步驟在大模型時代都需要進行一遍，這更加體現了MLOps的重要性。本書詳細介紹了MLOps的各個階段，如果你想趕上這一波AI的浪潮，那么本書可以說是必讀的。

拋開抓住大語言模型的機遇不談，本書對于想學習如何落地一個可靠的企業級AI應用的人來說，也是一本不可多得的好書。要落地一個AI應用，開發模型真的只是其中的一小步，其余工程方面的大量工作，就請大家跟著本書作者一點點學習吧。

由于譯者水平有限，因此難免會有疏漏之處，如果有任何問題，歡迎大家指正。

林然

2024年于深圳