20年前，软件行业在数字化演进的道路上，从部署一个Web服务器到部署几十甚至上百上千个不同的应用，在各种规模化交付方面的挑战之下，诞生了DevOps技术。比如虚拟化、云计算、持续集成/发布、自动化测试等软件工程领域的各类实践基本都和这个方向有关。
而在不远的将来，智能模型或许也会与今天的软件系统一样普遍。一个企业需要使用非常多的业务系统来实现数字化流程，同样也需要非常多的模型来实现数据驱动的智能决策，衍生出更多与模型相关的开发运维，权限，隐私，安全性，审计等企业级需求。
MLOps便是近几年逐渐热门起来的一个话题。有了好的MLOps实践，算法工程师一方面能更专注于擅长的模型构建过程，减少对模型部署运维等方面的“感知”，另一方面也让模型开发迭代的方向更加清晰明确，切实为业务产生价值。
那MLOps到底是什么呢？顾名思义，MLOps就是机器学习时代的DevOps。它的主要作用就是连接模型构建团队和业务，运维团队，建立起一个标准化的模型开发，部署与运维流程，使得企业组织能更好的利用机器学习能力来促进业务增长。
在机器学习解决方案的开发、测试、部署和支持过程中，多学科专家在互动中会遇到许多组织难题和技术障碍，这不仅延长了产品创建的时间，还降低了产品带给该项业务的实际价值。
就比如说，几年前我们对于机器学习的印象主要就是拿到一堆excel/csv数据，通过notebook等尝试做一些模型实验，最终产出一个预测结果。但对于这个预测结果如何使用，对业务产生了什么影响，大家可能都不是很有概念。这就很容易导致机器学习项目一直停留在实验室阶段，一个接一个做POC，但都没法成功“落地”。
3月29日，亚马逊云科技在智东西公开课开设「MLOps公开课Amazon SageMaker专场」，亚马逊云科技机器学习高级产品经理孟和博士将以《亚马逊大规模应用机器学习的MLOps实践》为主题，直播讲解MLOps实践及Amazon SageMaker套件。
孟和博士在博士研究期间及多年工作中，一直致力于分布式计算、大数据及机器学习方面的研究和推广，并且在信息技术咨询、解决方案架构、创新文化以及创业顾问等领域具有十多年的经验和实践。
亚马逊在实际的业务中大量的使用了人工智能与机器学习来改善其运营方式并改善客户体验。在本次专场中，针对高级业务和技术决策者，孟和博士将会分享亚马逊在消费/零售以及供应链等业务中应用机器学习的用例，并且深入探讨如何通过MLOps实践，在大规模应用机器学习的同时，实现效率的提高和成本的降低。内容会涵盖机器学习实践中的文化、流程和技术方面的经验和洞察。
本次专场将以视频直播形式进行，包含40分钟主讲和20分钟问答。同时，针对本次专场，也组建了专属交流群，届时孟和博士将加入，欢迎感兴趣的朋友申请。
